View
227
Download
0
Category
Preview:
Citation preview
Inhaltsverzeichnis
Wahlbereich Mathematik
Algebraische Geometrie 2
Algebraische Zahlentheorie 3
Algorithmische Spieltheorie 4
Assoziative Algebren 6
C*-Algebren 7
Computeralgebra 8
Darstellungstheorie 10
Differentialgeometrie 11
Distributionen und Integraltransformationen 12
Dynamische Systeme 13
Elliptische Randwertprobleme 15
Funktionalanalysis 17
Ganzzahlige Programmierung und Polyedertheorie 19
Geometrische Methoden der Mechanik 21
Globale Analysis 23
Gruppentheorie 24
Katastrophentheorie 26
Liealgebren 28
Lineare Evolutionsgleichungen 29
Lineare Operatoren im Hilbertraum 31
Mathematische Grundlagen der Strömungsmechanik 33
Mathematische Modellierung in den Lebenswissenschaften 35
Matrix Analysis 37
Matrix Analysis 39
Minimalflächen 41
Numerik gewöhnlicher Differenzialgleichungen 43
Numerik Partieller Differenzialgleichungen 45
Numerik von Erhaltungsgleichungen 47
Numerische Lineare Algebra 49
Partielle Differenzialgleichungen 51
Partielle Differenzialgleichungen Vertiefung 53
Scheduling 54
Stabilität der Materie 56
Stochastische Differenzialgleichungen 58
Stochastische Integration 60
W*-Algebren 62
Zeitreihenanalyse 64
Inhaltsverzeichnis
Wahlbereich Data Science
Bootstrap for Time Series in Frequency Domain 66
Bootstrap-Verfahren 67
Codierungstheorie 69
Diskrete Optimierung 70
Dynamische Optimierung 72
Funktionale Zeitreihen 74
Gemischt-ganzzahlige Nichtlineare Optimierung (MINLP) 75
Informationstheorie und Signalverarbeitung 77
Introduction to the Theory of Bootstrap for Time Series 79
Inverse Probleme 81
Kryptographie 82
Maschinelles Lernen mit neuronalen Netzen 84
Mathematische Bildverarbeitung 86
Mathematische Statistik und Finanzzeitreihen 87
Modellreduktion 89
Nichtparametrische Statistik 91
Nichtparametrische Statistik inkl. Spezialisierung 93
Numerische Methoden für Markov-Ketten 95
Numerische Methoden in der Finanzmathematik 97
Online-Optimierung und Optimierungsbasierte Regelung 99
Optimierung in Maschinellem Lernen und Datenanalyse 1 101
Risiko- und Extremwerttheorie 102
Risiko- und Extremwerttheorie inkl. Spezialisierung 104
Spektralanalytische Methoden der Zeitreihenanalyse 106
Spektralanalytische Methoden der Zeitreihenanalyse inkl. Spezialisierung 108
Spezialisierung Mathematische Stochastik 110
Statistisches und maschinelles Lernen 112
Stochastische Prozesse und Zeitstetige Finanzmathematik 114
Professionalisierungsbereich
Tutorium 116
Mathematisches Seminar 117
Mathematisches Seminar 119
Fortgeschrittenenpraktikum 121
Schlüsselqualifikationen 123
Masterarbeit
Masterarbeit Mathematik 124
den Wahlbereich Mathematik ergänzende Module
Algebraische Topologie: Fundamentalgruppe und Knoten 125
Inhaltsverzeichnis
1.
Seite 1 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2. Wahlbereich Mathematik2.1. Algebraische Geometrie
Modulbezeichnung:Algebraische Geometrie
Modulnummer:MAT-STD6-04
Institution:Mathematik Institute 6
Modulabkürzung:AlgebraGEO
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Algebraische Geometrie (V) Algebraische Geometrie (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit ProjektcharakterInhalte:---Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:---Erklärender Kommentar:Es werden Kentnisse in Linearer Algebra vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 2 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.2. Algebraische Zahlentheorie
Modulbezeichnung:Algebraische Zahlentheorie
Modulnummer:MAT-STD6-05
Institution:Mathematik Institute 6
Modulabkürzung:Algebr ZahlenTH
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Algebraische Zahlentheorie (V) Algebraische Zahlentheorie (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit ProjektcharakterInhalte:- Ringe ganzer Zahlen algebraischer Zahlkörper- eindeutige Zerlegbarkeit ihrer Ideale in Primidealprodukte- Endlichkeit ihrer Klassengruppen- Struktur ihrer Einheitengruppen- Anwendung auf binäre quadratische Formen und diophantische Gleichungen- Geschichte der Zahlentheorie- Zusammenhang mit anderen mathematischen DisziplinenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- E. Hecke: Algebraische Zahlen- H. Koch: ZahlentheorieErklärender Kommentar:Es werden Kenntnisse in Linearer Alegbra und Algebra vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 3 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.3. Algorithmische Spieltheorie
Modulbezeichnung:Algorithmische Spieltheorie
Modulnummer:MAT-STD6-06
Institution:Mathematik Institute 6
Modulabkürzung:AlgSpielTH
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Algorithmische Spieltheorie (Ü) Algorithmische Spieltheorie (V)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Beherrschen der Grundbegriffe der mathematischen Spieltheorie- Kennenlernen von Gleichgewichtsbegriffen- Kennenlernen von Mechanism Design- Fähigkeit spieltheoretischer Verfahren zu entwerfen und zu analysierenInhalte:Ein Algorithmus ist die Umformung einer Zeichenkette nach vorgegebenen Regeln. Durch Analyse und Interpretation derZeichenkette und der Umformungsregeln erhält so eine Umformung einen Sinn, zum Beispiel einen kürzesten Weg füreine Autofahrt zu berechnen. In der algorithmischen Spieltheorie untersucht man verschiedene Strukturen, in denen dieUmformungsregeln die Entscheidungen eines oder mehrerer Handelnder (Spieler) darstellen, deren Entscheidungen sichgegenseitig beeinflussen. Ein Beispiel ist die Wahl der Routen für den morgendlichen Weg zur Arbeit, die - individuellgewählt - in den Stau führen kann.Zu den in der Vorlesung behandelten Themen gehören Auktionen, Mechanism Design, Strategische Spiele, KooperativeSpiele, Gleichgewichte (insbesondere Nashgleichgewichte), Auslastungsspiele sowie Stable Marriage Probleme.Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, Folien, BeamerLiteratur:Noam Nisan, Tim Roughgarden, Eva Tardos, Vijay V. Vazirani (Eds.), Algorithmic Game Theory, Cambridge UniversityPress, 2007.
Martin J. Osborne, An Introduction to Game Theory, Oxford University Press, 2004.
Tim Roughgarden, Selfish Routing and the Price of Anarchy, MIT Press, 2005.Erklärender Kommentar:Es werden Kenntnisse in "Linearer und Kombinatorischer Optimierung" vorausgesetzt.
Seite 4 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 5 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.4. Assoziative Algebren
Modulbezeichnung:Assoziative Algebren
Modulnummer:MAT-STD6-07
Institution:Mathematik Institute 6
Modulabkürzung:AssoziativAlgebren
Workload: 180 h Präsenzzeit: 56 h Semester: 1
Leistungspunkte: 6 Selbststudium: 124 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 4
Lehrveranstaltungen/Oberthemen: Assoziative Algebren (V) Assoziative Algebren (Ü)Belegungslogik (wenn alternative Auswahl, etc.):Das Modul besteht aus einer zweistündigen Vorlesung und einer zweistündigen Übung.Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit ProjektcharakterInhalte:[Assoziative Algebren]Inhalte: Es wird eine Einfuehrung in die Theorie der assoziativen Algebren geboten. Dabei werden viele Beispiele solcherAlgebren vorgestellt, ihre Strukturtheorie betrachtet, sowie einfache, halbeinfache und nilpotente assoziative Algebrenstudiert.Lernformen:Vorlesung des LehrendenPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltungbekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:Pierce, Associative Algebras (Springer)Erklärender Kommentar:Es werden Kenntnisse in Lineare Algebra vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 6 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.5. C*-Algebren
Modulbezeichnung:C*-Algebren
Modulnummer:MAT-STD6-10
Institution:Mathematik Institute 6
Modulabkürzung:CAlgebra
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: C*-Algebren (V) C*-Algebren (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Beherrschen der Grundbegriffe der Theorie von C*-Algebren, wie positive Elemente, Zustände und Darstellungen- Verständnis der Charakterisierung von C*-Algebren durch die GNS-Darstellung- Kennenlernen von Anwendungen in der QuantenphysikInhalte:- Definition und grundlegende Eigenschaften von C*-Algebren- positive Elemente- Zustände, Darstellungen- Kommutative C*-Algebren- GNS-KonstruktionLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:---Literatur:- O. Bratelli & D. Robinson, C*- and W*-Algebras and Quantum Statistical Mechanics, Band 1, Springer-Verlag 1987Erklärender Kommentar:Für das Modul sind Kenntnisse in Funktionalanalysis wünschenswert.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 7 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.6. Computeralgebra
Modulbezeichnung:Computeralgebra
Modulnummer:MAT-STD6-11
Institution:Mathematik Institute 6
Modulabkürzung:CompAlg
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Computeralgebra (V) Computeralgebra (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Beherrschen der Grundbegriffe der Techniken der Computeralgebra in Theorie und Praxis, wie der EuklidischeAlgorithmus und Gröbner-Basen, deren Berechnung und Anwendung- Kennenlernen von zahlentheoretischen und algebraischen Techniken und deren Anwendungen- Fähigkeit zur Berechnung von Faktorisierungen, zum Lösennichtlinearer Gleichungssysteme und zum Arbeiten mit algebraischen ObjektenInhalte:- der euklidische Algorithmus- Faktorisieren von Polynomen über endlichen Körpern- Faktorisieren von Polynomen über Z und Q- Primzahltests und Faktorisieren von ganzen Zahlen- Ringe: Polynomring und Ideale- Gröbner Basen und S-Polynome- Buchbergers Algorithmus zur Berechnung von Gröbner-Basen- Anwendung in der algebraischen Lösung von nicht-linearen Gleichungssystemen- Symbolische Integration und symbolische SummationLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Von zur Gathen, Gerhard, Modern Computer Algebra, Cambridge University Press- Adams, Loustauanau, An Introduction to Gröbner Basis, AMS, 1991Erklärender Kommentar:Es werden Kenntnisse in Linearer Algebra vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Mathematik
Seite 8 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 9 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.7. Darstellungstheorie
Modulbezeichnung:Darstellungstheorie
Modulnummer:MAT-STD6-12
Institution:Mathematik Institute 6
Modulabkürzung:DarstTh
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Darstellungstheorie (V) Darstellungstheorie (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- PLUS SpezialisierungInhalte:- Grundlagen über Algebren und Moduln- Sätze von Schur, Maschke, Wedderburn- Klassische Charaktertheorie: Charaktertafeln, Orthogonalitätsrelationen, induzierte Caraktere, Cliffordtheorie- Der Satz von Burnside- Modulare DarstellungstheorieLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:---Literatur:M. Isaacs: Character Theorie of finite groupsErklärender Kommentar:Es werden Kenntnisse in Linearer Algebra vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 10 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.8. Differentialgeometrie
Modulbezeichnung:Differentialgeometrie
Modulnummer:MAT-STD6-31
Institution:Mathematik Institute 6
Modulabkürzung:DiffGeo
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Differenzialgeometrie (V) Differenzialgeometrie (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Exemplarische Vertiefung der im Grundlagenbereich und in den Aufbaubereichen erworbenen Kenntnisse- Exemplarisches Kennenlernen eines oder mehrerer weiterermathematischen Gebiete und damit Verbreiterung des eigenen Basiswissens- Vernetzung des eigenen mathematischen Wissens durch Herstellung von Bezügen zwischen den Inhalten derverschiedenen mathematischen Bereiche- Vertiefung von Anwendungen der theoretischen Inhalte durch deren konkrete quantitative Ausführung- Verständnis der Grundkonzepte der Differentialgeometrie, wichtiger Beweismethoden und klassischer BeispieleInhalte:- Riemannsche Mannigfaltigkeiten, Tangentialbündel, Vektorfelder, Lieklammer- Affine Zusammenhänge, Paralleltransport- Geodäten- Gaußlemma- Konvexität- Vollständigkeit, Satz von Hopf und RinowLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- M. DoCarmo: Riemannian GeometryErklärender Kommentar:---Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Mathematik (BPO WS 18/19) (Bachelor), Finanz- und Wirtschaftsmathematik(MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 11 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.9. Distributionen und Integraltransformationen
Modulbezeichnung:Distributionen und Integraltransformationen
Modulnummer:MAT-STD6-14
Institution:Mathematik Institute 6
Modulabkürzung:DistribtnenIntegraltransf
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen:Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung komplexer algorithmischer, numerischer undstochastischer Methoden- Kennenlernen klassischer AnwendungenInhalte:---Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, ggf. Beamer, Skripte, WebseiteLiteratur:wird in der Vorlesung bekannt gegebenErklärender Kommentar:---Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 12 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.10. Dynamische Systeme
Modulbezeichnung:Dynamische Systeme
Modulnummer:MAT-STD6-32
Institution:Mathematik Institute 6
Modulabkürzung:DynSyst
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Dynamische Systeme (V) Dynamische Systeme (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Vertieftes Verständnis von linearen und nichtlinearen gewöhnlichen Differentialgleichungen- Kennenlernen und Verstehen fundamentaler dynamische Konzepte (z. Bsp. Stabilität, Bifurkation, Chaos)Inhalte:Es wird eine Auswahl der folgenden Themen behandelt:
- iterierte Abbildungen und diskrete Dynamik- gewöhnliche Differentialgleichungen und kontinuierliche Dynamik- Stabilität und Langzeitverhalten- Chaos- Bifurkationen- asymptotische Methoden- invariante Mannigfaltigkeiten- Ausblick auf numerische VerfahrenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, ggf. Beamer, Skript, WebseiteLiteratur:wird in der Vorlesung bekannt gegebenErklärender Kommentar:Es wird insbesondere das Wissen der Grundvorlesungen Analysis und Lineare Algebra vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Seite 13 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 14 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.11. Elliptische Randwertprobleme
Modulbezeichnung:Elliptische Randwertprobleme
Modulnummer:MAT-STD6-35
Institution:Mathematik Institute 6
Modulabkürzung:ElliptRWP
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Elliptische Randwertprobleme (V) Elliptische Randwertprobleme (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Beherrschen der Grundbegriffe von Randwertproblemen, wieSobolevräume, Spurbildung und lokale Fortsetzung am Rand- Verständnis des schwachen Lösungsbegriffs und des Aufbaus der elliptischen Regularitätstheorie- Kennenlernen von Anwendungen in der PhysikInhalte:Es wird eine Auswahl der folgenden Themen behandelt:- Hilberträume- Lemma von Lax-Milgram- Sobolevräume- Einbettungssatz von Sobolev- Kompaktheitssatz von Rellich- Schwache Lösungen elliptischer PDGln.- Numerische Verfahren, Finite Elemente- Elliptische Regularitätstheorie- Anwendungen in der PhysikLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, ggf. Beamer, Skript, WebseiteLiteratur:wird in der Vorlesung bekannt gegebenErklärender Kommentar:Es werden Kenntnisse in 'Partielle Differentialgleichungen' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Mathematik
Seite 15 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 16 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.12. Funktionalanalysis
Modulbezeichnung:Funktionalanalysis
Modulnummer:MAT-STD6-38
Institution:Mathematik Institute 6
Modulabkürzung:FktalAna
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Funktionalanalysis (V) Funktionalanalysis (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Verständnis für Analysis in unendlich-dimensionalen Vektorräumen und dem Auftreten verschiedener Topologien- Beherrschen von zentralen Aussagen der Funktionalanalysis, wie den Sätzen von Baire und von Hahn-Banach undihren Konsequenzen- Kennenlernen von für Anwendungen wichtigen Funktionenräumen und deren EigenschaftenInhalte:- Metrische Räume- Normierte Vektorräume, Banachräume- Satz von Baire und Anwendungen- Satz von Hahn-Banach und Anwendungen- Schwache Topologien auf Banachräumen- Reflexivität, Dualität- Lineare Operatoren- Resolvente und Spektrum- Hilberträume- Lp-Räume, Sobolevräume- Geschichte der FunktionalanalysisLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich WintersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- W. Rudin, Functional Analysis- M. Reed and B. Simon, Methods of Modern Mathematical Physics, vol I. Functional Analysis- K. Yosida, Functional Analysis
Seite 17 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Erklärender Kommentar:---Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 18 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.13. Ganzzahlige Programmierung und Polyedertheorie
Modulbezeichnung:Ganzzahlige Programmierung und Polyedertheorie
Modulnummer:MAT-STD6-41
Institution:Mathematik Institute 6
Modulabkürzung:
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Ganzzahlige Programmierung und Polyedertheorie (V) Ganzzahlige Programmierung und Polyedertheorie (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kenntnis der Grundlagen der Theorie der Ganzzahligen Programme- Kenntnis grundlegender Algorithmen zur ganzzahligen Optimierung- Fähigkeit des aktiven Umgangs mit dieser TheorieInhalte:- Grundlagen der Polyeder Theorie- Linear Diophantische Gleichungssysteme- Linear Diophantische Ungleichungssysteme- Gitterbasen- Totale Unimodularität- Total duale Ganzzahligkeit- Chvatal AbschlussLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, Folien, BeamerLiteratur:Alexander Schrijver, Theory of linear and integer programming.Erklärender Kommentar:Es werden Kenntnisse in "Einführung in die Mathematische Optimierung" und "Lineare und kombinatorische Optimierung"vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Seite 19 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 20 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.14. Geometrische Methoden der Mechanik
Modulbezeichnung:Geometrische Methoden der Mechanik
Modulnummer:MAT-STD6-44
Institution:Mathematik Institute 6
Modulabkürzung:GEOMeth Mech
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Geometrische Methoden der Mechanik (V) Geometrische Methoden der Mechanik (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Beherrschen differenzialgeometrischer Grundbegriffe und ihrer Anwendung in der klassischen Mechanik- Verstehen des Zusammenhangs von Kinematik und ihrer Beschreibung durch Lie-Gruppen und - AlgebrenInhalte:Auswahl aus den folgenden Themen- Differenzierbare Mannigfaltigkeiten, Tangential und Kotangentialbündel- Vektorfelder und Flüsse- affine Zusammenhänge auf Mannigfaltigkeiten- Riemannsche Mannigfaltigkeiten- Liegruppen und algebren; speziell die euklidische Bewegungsgruppe- Lagrangesche Mechanik- Einfache mechanische Kontrollsysteme- Kinematik von Roboterarmen- Plückerkoordinaten und Liniengeometrie- Singularitäten von RoboternLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, Skript, WebseiteLiteratur:- F. Bullo, A. Lewis: Geometric Control of Mechanical Systems, Springer 2005- J. Marsden, T. Ratiu: Einführung in die Mechanik und Symmetrie, Springer 2001- J. Selig: Geometric Fundamentals of Robotics, Springer 2005Erklärender Kommentar:wird zu Beginn der Vorlesung bekannt gegeben
Seite 21 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 22 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.15. Globale Analysis
Modulbezeichnung:Globale Analysis
Modulnummer:MAT-STD6-30
Institution:Mathematik Institute 6
Modulabkürzung:GlobAna
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Globale Analysis (V) Globale Analysis (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Beherrschen der Grundbegriffe den Theorie der Mannigfaltigkeiten und Differenzialformen,- Vertieftes Verständnis der Vektoranalysis durch ihre invarianten Formulierung sowie deren Anwendung in Technik undNaturwissenschaften- Einblick in die Gebiete der Differenzialtopologie und DifferenzialgeometrieInhalte:---Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, ggf. Beamer, Skript, WebseiteLiteratur:wird in der Vorlesung bekannt gegebenErklärender Kommentar:Die Inhalte der Basismodule 'Analysis 1 und 2' und 'Lineare Algebra' werden vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Mathematik (BPO WS 18/19) (Bachelor), Finanz- und Wirtschaftsmathematik(MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 23 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.16. Gruppentheorie
Modulbezeichnung:Gruppentheorie
Modulnummer:MAT-STD5-65
Institution:Mathematik Institute 5
Modulabkürzung:GruppenTH
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Gruppentheorie (V) Gruppentheorie (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Beherrschen der Grundlagen der Gruppentheorie und ihrer Strukturtheorie wie zum Beispiel die Sätze von Cayley undSylow- Beherrschen gruppentheoretischer Grundlagen und ihrerDarstellungtheorie- Kennenlernen von speziellen Arten von Gruppen wie zum Beispiel auflösbare, nilpotente und einfache Gruppen- Kennenlernen verschiedener Typen von Gruppen wie zum Beispiel endlich präsentierte Gruppen, Permutationsgruppenund MatrixgruppenInhalte:- Grundlagen- Sätze von Cayley und Sylow- freie und endlich präsentierte Gruppen- Permutationsgruppen, (mehrfache) Transitivität und Primitivität- Nilpotente und auflösbare GruppenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- D.J.S. Robinson: A course in the theory of groups- B. Huppert: Endliche Gruppen IErklärender Kommentar:Es werden Kenntnisse in Linearer Algebra vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Mathematik
Seite 24 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 25 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.17. Katastrophentheorie
Modulbezeichnung:Katastrophentheorie
Modulnummer:MAT-STD6-84
Institution:Mathematik Institute 6
Modulabkürzung:Katastrophth
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Katastrophentheorie (V) Katastrophentheorie (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Erwerb von spezifischen Kenntnissen in den Techniken der KatastrophentheorieInhalte:Es wird eine Auswahl der folgenden Themen behandelt:
- Die Zeemansche Katastrophenmaschine- Strukturelle Stabilität- Universelle Entfaltungen- Falte, Spitze, Schwalbenschwanz und Nabel- Anwendungen in Physik, Sozialwissenschaften, Biologie- MorphogeneseLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:TafelLiteratur:- P.T. Saunders An introduction to catastrophe theory.- D.P.L. Castrigiano, S.A. Hayes Catastrophe Theory.- T. Poston, I. Stewart Catastrophe Theory and ist Applications.- R. Thom Structural Stability and Morphogenesis.- E.C. Zeeman Catastrophe Theory. Selected Papers 1972-77.- R. Gilmore Catastrophe Theory for Scientists and Engineers.Erklärender Kommentar:Gute Kenntnisse in Analysis und Linearer Algebra werden vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Mathematik
Seite 26 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 27 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.18. Liealgebren
Modulbezeichnung:Liealgebren
Modulnummer:MAT-STD6-55
Institution:Mathematik Institute 6
Modulabkürzung:LieAlgebren
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Liealgebren (V) Liealgebren (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Beherrschen der Grundbegriffe der Theorie der Lie-Algebren- Kennenlernen unterschiedlicher Typen von Lie-Algebren über Körpern verschiedener Charakteristik 0 und pInhalte:- Liealgebren- Ideale, Auflösbarkeit, Einfachheit- Sätze von Lie und Engel- Wurzelsysteme- Klassifikation der komplexen einfachen LiealgebrenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- J. Hilgert, K.-h. Neeb: Liegruppen und LiealgebrenErklärender Kommentar:Es werden Kenntnisse in Linearer Algebra vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 28 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.19. Lineare Evolutionsgleichungen
Modulbezeichnung:Lineare Evolutionsgleichungen
Modulnummer:MAT-STD6-36
Institution:Mathematik Institute 6
Modulabkürzung:EvolutionsGLG
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Evolutionsgleichungen (V) Evolutionsgleichungen (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Stärkung des mathematischen Urteilsvermögens durch breite, als auch vertiefte Kenntnis der Reinen Mathematik- Beherrschen der Grundbegriffe der Theorie abstrakter linearer Evolutionsgleichungen auf Banachräumen, wie Existenz,Eindeutigkeit und Normschranken der Lösung- Verständnis der schwierigeren Fragestellung des nichtautonomen linearen Cauchyproblems- Kennenlernen von AnwendungenInhalte:- Endlich-dimensionale Systeme linearer gewöhnlicher Differentialgleichungen- Stark stetige Halbgruppen und der Satz von Hille-Yoshida- Selbstadjungierte Operatoren auf einem Hilbertraum und der Satz von Stone als Spezialfall des Satzes von Hille-Yoshida- Das nicht-autonome Cauchy-ProblemLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Engel und Nagel: One-Parameter Semigroups for Linear Evolution Equations, Springer Verlag- Yoshida: Functional Analysis, Springer VerlagErklärender Kommentar:Es werden Kenntnisse in Funktionalanalysis vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),
Seite 29 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kommentar für Zuordnung:---
Seite 30 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.20. Lineare Operatoren im Hilbertraum
Modulbezeichnung:Lineare Operatoren im Hilbertraum
Modulnummer:MAT-STD6-56
Institution:Mathematik Institute 6
Modulabkürzung:LinOp Hilbert
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Lineare Operatoren im Hilbertraum (V) Lineare Operatoren im Hilbertraum (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Beherrschung der Grundbegriffe der Theorie von Hilberträumen und der Charakterisierung linearer Operatoren aufHilberträumen durch spektrale Eigenschaften- Kennenlernen wichtiger Anwendungen in Quantenmechanik und QuantenfeldtheorieInhalte:Es wird eine Auswahl der folgenden Themen behandelt:- Skalarprodukte; Vollständigkeit; Beispiele von Hilberträumen- Orthogonalprojektionen, Basen- Darstellungssatz von Riesz- Beschränkte Operatoren- Spektrale Darstellung kompakter, symmetrischer Operatoren- Unbeschränkte Operatoren, abgeschlossene Operatoren- Symmetrische und selbstadjungierte Operatoren- Resolvente und Spektrum, Neumannsche Reihe- Spektralsatz für selbstadjungierte Operatoren- Hilberträume in der Physik (Quantenmechanik)- Anwendungen in der Numerischen MathematikLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, Skript, WebseiteLiteratur:wird zu Beginn der Vorlesung bekannt gegebenErklärender Kommentar:---
Seite 31 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 32 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.21. Mathematische Grundlagen der Strömungsmechanik
Modulbezeichnung:Mathematische Grundlagen der Strömungsmechanik
Modulnummer:MAT-STD6-58
Institution:Mathematik Institute 6
Modulabkürzung:MathGrdlStömungsmech
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Mathematische Grundlagen der Strömungsmechanik (V) Mathematische Grundlagen der Strömungsmechanik (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Die Studierenden sollen Kontinuumsmechanische Modellierungen verstehen, Lineare Theorien und die Grenzen derAnwendbarkeit verstehen, Beschreibungsweisen in verschiedenen Koordinatensystemen lernen und das Gebiet derStrömungsmechanik innerhalb der Mathematik überblicken können.Inhalte:- Potentialströmung und komplexe Analysis- Reynoldsscher Transportsatz und Koordinatensysteme- Inkompressibilität und Drehung- Grundlagen der GasdynamikLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:---Literatur:- Karamcheti: Principles of Ideal-Fluid Aerodynamics (Krieger Publ.)- Ansorge: Mathematical Methods of Fluiddynamics (Wiley)- Warsi: Fluid Dynamics: Theoretical and Computational Approaches (CRC Press)- Lamb: Hydrodynamics (Cambridge Univ. Press)- Chorin/Marsden: A Mathematical Introduction to Fluid Mechanics (Springer Verlag)- Milne-Thomson: Theoretical Hydrodynamics (Dover Publ.)Erklärender Kommentar:---Kategorien (Modulgruppen):Wahlbereich Mathematik
Seite 33 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 34 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.22. Mathematische Modellierung in den Lebenswissenschaften
Modulbezeichnung:Mathematische Modellierung in den Lebenswissenschaften
Modulnummer:MAT-STD6-60
Institution:Mathematik Institute 6
Modulabkürzung:MaMoLeWi
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Mathematische Modellierung in den Lebenswissenschaften (Ü) Mathematische Modellierung in den Lebenswissenschaften (V)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Erwerb eines Verständnisses für die Besonderheiten der mathematischen Modellierung in den Lebenswissenschaften- Beschäftigung mit modell- und erkenntnistheoretischen Fragen und Kennenlernen von Modellbildungsprozessen- Kennenlernen von unterschiedlichen Modellierungsansätzen und Abstraktionsniveausdurch die Beschäftigung mit mehrerenArbeitsfeldern der Modellierung in den Lebenswissenschaften- Diskutieren des Umgangs mit den intrinsischen qualitativen und quantitativen UnsicherheitenInhalte:- modelltheoretische Grundlagen- physikalische und lebenswissenschaftliche Modellbildungsprozesse- Parameter- und Modellidentifikation, Modellfamilien- Modelle fuer Infektionskrankheiten- Ansätze Genomics und Proteomics- Reaktions-Diffusionsgleichungen- Modellierung des Schwarmverhaltens und Emergenz- qualitative und quantitative Unsicherheiten, robuste ModellierungLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit Downloadbereich
Seite 35 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Literatur:- J. D. Murray, Mathematical Biology I+II, Springer 2008- C. Eck, H. Garcke, P. Knaber, Mathematische Modellierung, Springer 2008- J.W. Haefner: Modeling Biological Systems: Principles and Applications. Springer, 2005- A. Kremling: Systems Biology. CRC Press, 2014- W.E. Schiesser: PDE-Analysis in Biomedical Engineering. Cambridge Univ. Press, 2013- H. Tetens: Wissenschaftstheorie, C.H. Beck, 2013- E. P. Wigner: The unreasonable effectiveness of mathematics in the natural sciences. Comm. Pure & Applied Math.1960- Y. Lazebnik: Can a biologist fix a radio ? - or what I learned while studying apoptosis. Cancer Cell 2002Erklärender Kommentar:Die Lehrveranstaltung richtet sich bevorzugt an Studierende, die die Lehrveranstaltungen 'Differentialgleichungen' und'Mathematische Modellierung' bereits gehört haben.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 36 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.23. Matrix Analysis
Modulbezeichnung:Matrix Analysis
Modulnummer:MAT-STD6-70
Institution:Mathematik Institute 6
Modulabkürzung:MatrixAna_10LP
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Matrix Analysis (V) Matrix Analysis (klÜ)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kennenlernen der wichtigen Eigenschaften der behandelten Matrixklassen sowie von wichtigen Anwendungsfeldern, indenen diese Matrixklassen auftreten- Kenntnis der Perron-Frobenius-Theorie, der variationellen Charakterisierung von Eigenwerten und einigerMatrixzerlegungen- Fähigkeit zur Herleitung ähnlicher Resultate für verwandte Matrixklassen durch das Beherrschen der wichtigstenMethoden in der Matrix-AnalysisInhalte:-Nichtnegative MatrizenoPerron-Frobenius-TheorieoPositive Matrizeno(Ir-)reduzible MatrizenoPrimitive MatrizenUnd/oder-Hermitsche, symmetrische und komplex symmetrische MatrizenoEigenschaftenovariationelle Charakterisierung der EigenwerteoKongruenz und simultane DiagonalisierungUnd/oder-Positive definite MatrizenoEigenschaftenoPolarform, SingulärwertzerlegungoSchur-Produkt-TheoremoKongruenz und simultane DiagonalisierungLernformen:Vorlesung und kleine ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder einer mündlichen Prüfung oder eines Referats nachVorgabe der Prüferin oder des Prüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:Deutsch
Seite 37 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Medienformen:---Literatur:- Horn, Roger A und Johnson, Charles R.Matrix analysis, New York, NY Cambridge University Press, 2013- Lancaster, Peter und Tismenetsky, MironThe theory of matrices with applications Academic Press, 1985- Berman, Abraham und Plemmons, Robert J.Nonnegative matrices in the mathematical sciencesPhiladelphia Society for Industrial and Applied Mathematics, 1994Erklärender Kommentar:Es werden Kenntnisse in 'Einführung in die Numerik' und 'Lineare Algebra 1 und 2' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 38 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.24. Matrix Analysis
Modulbezeichnung:Matrix Analysis
Modulnummer:MAT-STD6-64
Institution:Mathematik Institute 6
Modulabkürzung:MatrixAna_5LP
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Matrix Analysis (V) Matrix Analysis (klÜ)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen der wichtigen Eigenschaften der behandelten Matrixklassen sowie von wichtigen Anwendungsfeldern, indenen diese Matrixklassen auftreten- Kenntnis der Perron-Frobenius-Theorie, der variationellen Charakterisierung von Eigenwerten und einigerMatrixzerlegungen- Fähigkeit zur Herleitung ähnlicher Resultate für verwandte Matrixklassen durch das Beherrschen der wichtigstenMethoden in der Matrix-AnalysisInhalte:-Nichtnegative MatrizenoPerron-Frobenius-TheorieoPositive Matrizeno(Ir-)reduzible MatrizenoPrimitive MatrizenUnd/oder-Hermitsche, symmetrische und komplex symmetrische MatrizenoEigenschaftenovariationelle Charakterisierung der EigenwerteoKongruenz und simultane DiagonalisierungUnd/oder-Positive definite MatrizenoEigenschaftenoPolarform, SingulärwertzerlegungoSchur-Produkt-TheoremoKongruenz und simultane DiagonalisierungLernformen:Vorlesung und kleine ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:Deutsch
Seite 39 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Medienformen:---Literatur:R. A. Horn, C. R. Johnson (2012). Matrix Analysis (2nd ed.). Cambridge University Press.
P. Lancaster, M. Tismenetsky (1985). The Theory of Matrices With Applications(2nd ed.). Academic Press.
A. Breman, R. J. Plemmons (1994). Nonnegative Matrices in the Mathematical Sciences. SIAM.Erklärender Kommentar:Es werden Kentnisse in 'Einführung in die Numerik' und in 'Lineare Algebra 1' und 'Lineare Algebra 2' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 40 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.25. Minimalflächen
Modulbezeichnung:Minimalflächen
Modulnummer:MAT-STD6-71
Institution:Mathematik Institute 6
Modulabkürzung:MinFläch
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Minimalflächen (V) Minimalflächen (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Gutes Verständnis verschiedenster Beispiele,übergeordneter Struktur undBedeutung- Gutes Verständnis der vielen dargestellten TechnikenInhalte:Geodesics. Lagrange's graph equation for minimal surfaces in R^3.Axially symmetric solution: Catenoid.For given parallel circles as boundaries, what is the maximun distance, as a function of the radii?Embedding functions of Minimal Surfaces as harmonic functions. Isothermal coordinates. Weierstrass-representation.Helicoid, Enneper's surfaces.Separation of variable approach to level-set equation.Scherk's surface(s). Minimal surfaces in Minkowski space (String-Theory, Membrane-Theory, etc.). Singularity Formation.Relation with hydrodynamics.Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:TafelLiteratur:---Erklärender Kommentar:---Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Seite 41 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 42 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.26. Numerik gewöhnlicher Differenzialgleichungen
Modulbezeichnung:Numerik gewöhnlicher Differenzialgleichungen
Modulnummer:MAT-STD6-27
Institution:Mathematik Institute 6
Modulabkürzung:NumDGLen
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Numerik gewöhnlicher Differenzialgleichungen (NUM) (V) Numerik gewöhnlicher Differenzialgleichungen (NUM) (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Exemplarische Vertiefung der im Grundlagenbereich und in den Aufbaubereichen erworbenen Kenntnisse- Exemplarisches Kennenlernen eines oder mehrerer weiterermathematischen Gebiete und damit Verbreiterung des eigenen Basiswissens- Vernetzung des eigenen mathematischen Wissens durch Herstellung von Bezügen zwischen den Inhalten derverschiedenen mathematischen Bereiche- Vertiefung von Anwendungen der theoretischen Inhalte durch deren konkrete quantitative Ausführung- Verständnis von numerischen Verfahren zum Lösen gewöhnlicher Differenzialgleichungen- Beherrschen von Grundbegriffen wie Konsistenz, Konvergenz und Stabilität sowie verschiedene FehlerartenInhalte:[Inhalt - Numerik gewöhnlicher Differenzialgleichungen (NUM)]- Einschrittverfahren: Euler, klassisches Runge- Kutta-Verfahren, Diskretisierungsfehler, Konsistenz, Konvergenz,Gesamtfehler- Explizite und Implizite Runge-Kutta-Verfahren- Mehrschrittverfahren: Konsistenz,Stabilitätsbedingungen- Steife Differenzialgleichungen- Randwertprobleme: einfaches Schießverfahren, Mehrzielmethode, Differenzenverfahren, Variationsmethode,Kollokation- Differenziell-Algebraische Gleichungen: Theorie, DiskretisierungLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form eines Portfolios oder einer Klausur oder mündlichen Prüfung nach Vorgabeder Prüferin oder des Prüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten, insbesondere ggf. die Ausgestaltung des eigenständig zu erstellenden Modul-Portfolios, gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):alle zwei Jahre im WintersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Schwarz, Köckler, Numerische Mathematik, Teubner- Strehmel, Wiener, Numerik gewöhnlicher Differentialgleichungen, Teubner- Hairer, Norsett, Warner, Solving ordinary differential equations, Springer- E. Süli, D. Mayers, An introduction to Numercial Analysis, Cambridge, 2003- Ascher, Mattheij, Russel, Numerical Solution of boundary value problems for ordinary differential equations, SIAMErklärender Kommentar:Es werden Kenntnisse in 'Einführung in die Numerik' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Mathematik
Seite 43 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Mathematik (BPO WS 18/19) (Bachelor),Kommentar für Zuordnung:---
Seite 44 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.27. Numerik Partieller Differenzialgleichungen
Modulbezeichnung:Numerik Partieller Differenzialgleichungen
Modulnummer:MAT-STD6-75
Institution:Mathematik Institute 6
Modulabkürzung:NUMMethPDE
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Numerik partieller Differenzialgleichungen (NUM) (V) Numerik partieller Differenzialgleichungen (NUM) (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen der wichtigten Begriffe wie Stabilität, Konsistenz, Konvergenz und Diskretisierungsfehler- Verständnis der grundlegenden Ideen der numerischen Lösungsmethoden- Fähigkeit der Implementierung einfacher Programmcodes für die numerischen LösungsmethodenInhalte:- Differenzenverfahren- Finite Elemente Verfahren- Finite VolumenverfahrenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form eines Portfolios oder einer Klausur oder mündlichen Prüfung nach Vorgabeder Prüferin oder des Prüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten, insbesondere ggf. die Ausgestaltung des eigenständig zu erstellenden Modul-Portfolios, gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):alle zwei Jahre im WintersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Smith, Numerical Solutions of Partial Differential Equations: Finite Difference Methods- Schwarz, Köckler, Numerische Mathematik, Teubner- Thomas, Numerical Partial Differential Equations: Finite Difference Methods, 2. Auflage, Springer, 1998- Knabner, Angermann, Numerik partieller Differentialgleichungen, Springer- Braess, Finite Elemente, SpringerErklärender Kommentar:Es werden Kenntnisse in 'Einführung in die Numerik' und 'Numerik gewöhnlicher Differentialgleichungen'vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Seite 45 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 46 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.28. Numerik von Erhaltungsgleichungen
Modulbezeichnung:Numerik von Erhaltungsgleichungen
Modulnummer:MAT-STD6-76
Institution:Mathematik Institute 6
Modulabkürzung:NUMErhaltgsglg
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Numerik von Erhaltungsgleichungen (V) Numerik von Erhaltungsgleichungen (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen von Problemen bei der Berechnung schwacher Lösungen- Beherrschen verschiedener Diskretisierungstechniken und der Konvergenztheorie von DifferenzenverfahrenInhalte:Es wird eine Auswahl der folgenden Themen behandelt:
- Finite Differenzen-, Elemente- und Volumenverfahren- Theorie monotoner und monotonieerhaltender Verfahren- Theorie der TVD- und ENO-VerfahrenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Kröner: Numerical Schemes for Conservation Laws (Wiley)- Godlewski, Raviart: Hyperbolic Systems of Conservation Laws (SIAM)- Godlewski, Raviart: Numerical Approximation of Hyperbolic Systems of Conservation Laws (Springer Verlag)- Sonar: Multidimensionale ENO-Verfahren (Teubner Verlag)- Gustafsson, Kreiss, Oliger: Time Dependent Problems and Difference Methods (Academic Press)- Morton, Richtmyer: Difference Methods for Initial-Valü Problems (Wiley)- Sod: Numerical Methods in Fluid Dynamics (Cambridge Univ. Press)- Li, Chen, Wu: Generalized Difference Methods for Differential Equations (Marcel Dekker)Erklärender Kommentar:Kenntnisse in partiellen Differenzialgleichungen werden vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Mathematik
Seite 47 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 48 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.29. Numerische Lineare Algebra
Modulbezeichnung:Numerische Lineare Algebra
Modulnummer:MAT-STD6-77
Institution:Mathematik Institute 6
Modulabkürzung:NUMLinA
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Numerische Lineare Algebra (V) Numerische Lineare Algebra (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Beherrschen der wichtigsten Verfahren zur Lösung vonGleichungssystemen und zur Eigenwert- undSingulärwertzerlegung- Verständnis der grundlegenden Problemen der Implementierung numerischer Algorithmen- Fähigkeit zur Implementierung effektiver Programmcodes für die numerischen LösungsmethodenInhalte:- Iterative Verfahren zur Lösung von Gleichungssystemen: Theorie und Praxis- Singulärwertzerlegung: Algorithmen und Anwendungen- Eigenwertprobleme: Theorie und PraxisLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form eines Portfolios oder einer Klausur oder mündlichen Prüfung nach Vorgabeder Prüferin oder des Prüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten, insbesondere ggf. die Ausgestaltung des eigenständig zu erstellenden Modul-Portfolios, gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich SommersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Trefethen, Bau, Numerical Linear Algebra, SIAM- Demmel, Applied Numerical Linear Algebra, SIAM- Golub, Van Loan, Matrix Computations, John HopkinsErklärender Kommentar:Es werden Kenntnisse in 'Einführung in die Numerik' und einer weiterführenden Numerik-Veranstaltung wie z.B. 'Numerikgewöhnlicher Differentialgleichungen' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Seite 49 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 50 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.30. Partielle Differenzialgleichungen
Modulbezeichnung:Partielle Differenzialgleichungen
Modulnummer:MAT-STD6-67
Institution:Mathematik Institute 6
Modulabkürzung:PDE
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Partielle Differenzialgleichungen (V) Partielle Differenzialgleichungen (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Verständnis von Modellierung physikalischer Gesetze durch partielle Differenzialgleichungen- Kennenlernen wichtiger Grundtypen partiellerDifferenzialgleichungen und ihrer charakteristischen Eigenschaften- Beherrschen der Lösungsberechnung in einfachen FällenInhalte:Es wird eine Auswahl der folgenden Themen behandelt:
- Sphärische Mittel- Harmonische Funktionen, Maximumprinzip- Satz von Perron, Methode der balayage- Newtonpotentiale und Greensche Funktion- Wärmeleitungsgleichung (Existenz und Eindeutigkeit der Lösung)- Wellengleichung in einer Raumdimension- Wellengleichung in ungeraden Raumdimensionen- Wellengleichung in geraden Raumdimensionen- Transport- und Erhaltungsgleichungen- Hilbertraummethoden- Anwendungen der Partiellen Differenzialgleichungen in der PhysikLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich WintersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit Downloadbereich
Seite 51 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Literatur:- L.C. Evans, Partial Differential Equations- G. Hellwig, Partielle Differentialgleichungen- J. Jost, Partial Differential Equations- F. John, Partial Differential EquationsErklärender Kommentar:Es werden Kenntnisse in 'Gewöhnliche Differenzialgleichungen' und 'Funktionalanalysis' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 52 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.31. Partielle Differenzialgleichungen Vertiefung
Modulbezeichnung:Partielle Differenzialgleichungen Vertiefung
Modulnummer:MAT-STD5-42
Institution:Mathematik Institute 5
Modulabkürzung:PartDGLenVert
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Partielle Differenzialgleichungen Vertiefung (V) Partielle Differenzialgleichungen Vertiefung (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit ProjektcharakterInhalte:Die Studierenden vertiefen das Gebiet der Partiellen Differenzialgleichungen.Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:wird in der Vorlesung bekannt gegebenErklärender Kommentar:Kenntnisse in 'Partielle Differenzialgleichungen' werden voraugesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master), Finanz- undWirtschaftsmathematik (MPO 2014) (Master), Mathematik (MPO Version 2) (Master),Kommentar für Zuordnung:---
Seite 53 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.32. Scheduling
Modulbezeichnung:Scheduling
Modulnummer:MAT-STD6-37
Institution:Mathematik Institute 6
Modulabkürzung:Scheduling
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Scheduling (FMO) (V) Scheduling (FMO) (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen von Modellen, Theorie und Implementationstechnik von Algorithmen zur Lösung NP-schwererSchedulingprobleme (parallel machine, flow shop, job shop, open shop)- Fähigkeit zur Anwendung der fortgeschrittenen mathematischen Resultate in effektiven Algorithmen zur Lösungpraktischerwirtschaftsmathematischer Probleme, insbesondere in Produktion und LogistikInhalte:- Modellierung von Schedulingproblemen- Scheduling auf einer Maschine- Scheduling paralleler Maschinen- Flow Shop- Job Shop- Open ShopLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Peter Brucker: Scheduling Algorithms, Springer, 2004- Blazewicz, J.: Scheduling Computer and Manufactoring processes, Springer, 2001- Pinedo, Micheal L.: Planning and scheduling in manufacturing and services, Springer, 2005Erklärender Kommentar:Es werden Kenntnisse in 'Einführung in die Mathematische Optimierung' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Mathematik
Seite 54 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 55 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.33. Stabilität der Materie
Modulbezeichnung:Stabilität der Materie
Modulnummer:MAT-STD6-49
Institution:Mathematik Institute 6
Modulabkürzung:StabMaterie
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Stabilität der Materie (VÜ)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Anwendung des Rayleigh-Ritz-Variationsprinzips zur Abschätzung von Eigenwerten- Einführung in quantenchemische Fragestellungen und Dichtefunktionaltheorie- Erkennen der Bedeutung von Lieb-Thirring-Ungleichungen und von KorrelationsungleichungenInhalte:- Coulombsysteme: Große Atome und Moleküle- Lieb-Oxford-Ungleichung und andere Korrelationsungleichungen- Lieb-Thirring-Ungleichung- Thomas-Fermi-Theorie- Stabilität der nichtrelativistischer Materie ohne Magnetfelder- Ausblick: Stabilität pseudorelativistischer Materieund von Materie in MagnetfeldernLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:wird in der Vorlesung bekanntgegebenErklärender Kommentar:Es werden Kenntnisse aus der Funktionalanalysis und Partielle Differentialgleichungen vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),
Seite 56 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kommentar für Zuordnung:---
Seite 57 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.34. Stochastische Differenzialgleichungen
Modulbezeichnung:Stochastische Differenzialgleichungen
Modulnummer:MAT-STD6-54
Institution:Mathematik Institute 6
Modulabkürzung:STODGLen
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Stochastische Differenzialgleichungen (V) Stochastische Differenzialgleichungen (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kennenlernen des Begriffs der stochastischen Integration sowie von Beispiele von explizit lösbaren stochastischenDifferenzialgleichungen- Verständnis der Bedingungen für Existenz und Eindeutigkeit von starken Lösungen und Konstruktion von schwachenLösungen- Kennenlernen von AnwendungsbeispielenInhalte:- Stochastische Integration- Beispiele von explizit lösbaren Gleichungen- Existenz und Eindeutigkeit von starken Lösungen- Konstruktion von schwachen Lösungen- AnwendungsbeispieleLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Oksendal: Stochastic Differential Equations- Karatzas und Shreve: Brownian Motion and Stochastic Calculus- Ikeda und Watanabe: Stochastic Differential Equations and Diffusion ProcessesErklärender Kommentar:Es werden Kenntnisse in 'Wahrscheinlichkeitstheorie' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Seite 58 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 59 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.35. Stochastische Integration
Modulbezeichnung:Stochastische Integration
Modulnummer:MAT-STD6-59
Institution:Mathematik Institute 6
Modulabkürzung:STOInt
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Stochastische Integration (V) Stochastische Integration (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Beherrschen der Konstruktion stochastischer Integralebzgl. Semimartingalen und Verständnis, warumRiemann-Stieltjes-Integration bzgl. Semimartingalen i.a. nicht möglich ist- Fähigkeit, die Ito-Formel in konkreten Anwendungsproblemen einzusetzen- mit den Grundlagen der stochastischen Analysis Erlernen des Rüstzeugs für moderne Modellierungsansätze in sounterschiedlichen Anwendungsdisziplinen wie Finanzmärkte, Physik und BiologieInhalte:- Semimartingale in stetiger Zeit- Quadratische Variation- Konstruktion des Ito-Integrals bzgl. Semimartingalen- Die Ito-Formel- Verhalten unter Maßwechsel (Satz von Girsanov)- Darstellungsresultate für Martingale als stochastische IntegraleLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Karatzas, I., Shreve, S. E.: Brownian Motion and Stochastic Calculus. Springer 1991- Protter, P. E.: Stochastic Integration and Differential Equations - A New Approach. Springer 2005Erklärender Kommentar:Neben 'Stochastische Prozesse' werden Kenntnisse in 'Wahrscheinlichkeitstheorie' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Seite 60 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 61 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.36. W*-Algebren
Modulbezeichnung:W*-Algebren
Modulnummer:MAT-STD6-63
Institution:Mathematik Institute 6
Modulabkürzung:WAlgebren
Workload: 180 h Präsenzzeit: 56 h Semester: 1
Leistungspunkte: 6 Selbststudium: 124 h Anzahl Semester: 2
Pflichtform: Wahl SWS: 4
Lehrveranstaltungen/Oberthemen: W*-Algebren 1 (V) W*-Algebren 2 (V)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Stärkung des mathematischen Urteilsvermögens durch breite, als auch vertiefte Kenntnis der Reinen Mathematik- Beherrschen der Grundbegriffe der Theorie von W*-Algebren, wie das von Neumannsche Bikommutantentheorem undTomita-Takesaki Theorie- Kennenlernen von Anwendungen auf W*-dynamische Systeme in der QuantenphysikInhalte:- Die starke, sigma-starke, schwache, sigma-schwacheund schwache-Stern Topologien auf dem Raum der beschränkten Operatoren auf einem Hilbertraum, W*-Algebren, vonNeumann-Algebren und das Bikommutantentheorem- Prädual und normale Zustände- Tomita -Takesaki-Theorie- W*-dynamische Systeme in der QuantenphysikLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:---Literatur:- Bratteli und Robinson: Operator Algebras andQuantum Statistical Mechanics I und II, Springer VerlagErklärender Kommentar:---Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Seite 62 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 63 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
2.37. Zeitreihenanalyse
Modulbezeichnung:Zeitreihenanalyse
Modulnummer:MAT-STD6-26
Institution:Mathematik Institute 6
Modulabkürzung:ZRAna
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Zeitreihenanalyse (V) Zeitreihenanalyse (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Beherrschen der Grundbegriffe der Zeitreihenanalyse und Kennenlernen von Beispielen für ZeitreihenInhalte:- Beispiele für Zeitreihen- Stationarität (stark und schwach)- ARMA-Zeitreihen- Schätzen im Zeitbereich- Prognose- Modellwahl- Multivariate Zeitreihen und Kalman-Filter- Anwendungen in RLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich WintersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:Wird zu Beginn der jeweiligen Veranstaltung bekannt gegeben.Erklärender Kommentar:Es werden Kenntnisse in 'Wahrscheinlichkeitstheorie' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich MathematikVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Mathematik (BPO WS 18/19) (Bachelor), Finanz- und Wirtschaftsmathematik(BPO WS 18/19) (Bachelor),
Seite 64 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kommentar für Zuordnung:---
Seite 65 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3. Wahlbereich Data Science3.1. Bootstrap for Time Series in Frequency Domain
Modulbezeichnung:Bootstrap for Time Series in Frequency Domain
Modulnummer:MAT-STD6-08
Institution:Mathematik Institute 6
Modulabkürzung:BootstrapTS
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Bootstrap for Time Series in Frequency Domain (VÜ)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Verständnis der Eigenschaften verschiedener Klassen stochastischer Prozesse und Beherrschen der wichtigstenmathematischen Techniken in diesem Bereich- Beherrschen der wichtigsten Techniken für zeitstetige finanzmathematische ModelleInhalte:(...)Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:---Erklärender Kommentar:Es werden Kenntnisse in 'Zeitreihenanalyse' und 'Spektralanalytische Methoden' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 66 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.2. Bootstrap-Verfahren
Modulbezeichnung:Bootstrap-Verfahren
Modulnummer:MAT-STD6-09
Institution:Mathematik Institute 6
Modulabkürzung:BootstrVerf
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Bootstrap-Verfahren (V) Bootstrap-Verfahren (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Beherrschen der grundlegenden Beweismethoden für die Konsistenz von Bootstrap Verfahren- Kennenlernen von Anwendungen von Bootstrap Verfahren im Bereich der Mathematischen StatistikInhalte:- Einfache Beispiele für Bootstrap Verfahren- Spezifische wahrscheinlichkeitstheoretische Grundlagenbzgl. Konsistenz von Bootstrap Verfahren- Bootstrapkonsistenz unter Unabhängigkeit- Edgeworth-Entwicklungen- Bootstrap für ZeitreihenLernformen:Vorlesung und große ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:wird zu Beginn der Veranstaltung bekannt gegebenErklärender Kommentar:Es werden Kenntnisse in 'Wahrscheinlichkeitstheorie' und 'Zeitreihenanalyse' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),
Seite 67 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kommentar für Zuordnung:---
Seite 68 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.3. Codierungstheorie
Modulbezeichnung:Codierungstheorie
Modulnummer:MAT-STD5-64
Institution:Mathematik Institute 5
Modulabkürzung:CodTheorie
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Codierungstheorie (V) Codierungstheorie (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kenntnis der Grundlagen der Theorie fehlerkorrigierender Codes und einiger ausgewählter Beispiele wichtiger CodesInhalte:Wir geben eine Einführung in die Theorie fehlerkorrigierender Codes und behandeln die dort vorkommendenGrundbegriffe sowie einigebekannte Klassen von Codes.Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:TafelLiteratur:Wird in der Vorlesung bekannt gegeben.Erklärender Kommentar:Es werden Kenntnisse in Linearer Algebra vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 69 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.4. Diskrete Optimierung
Modulbezeichnung:Diskrete Optimierung
Modulnummer:MAT-STD6-13
Institution:Mathematik Institute 6
Modulabkürzung:DiskOPT
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Diskrete Optimierung (V) Diskrete Optimierung (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kennenlernen von kombinatorischen und diskreten Optimierungsproblemen- Erweiterte Kenntnisse der Komplexitätstheorie- Beherrschen wichtiger Sätze, Beweise und Verfahren der diskreten und kombinatorischen Optimierung.- Kennenlernen allgemeiner algorithmischer Prinzipien und Problemstrukturen- Erweiterte Fähigkeit Algorithmen für Anwendungen zu entwerfen und zu analysieren, insbesondere für NP-schwereProblemeInhalte:- Effizient lösbare Kombinatorische und ganzzahlige Optimierungsaufgaben- ganzzahlige Polyeder- Relaxation, Dualität und Dekomposition- NP-schwere kombinatorische Optimierungsaufgaben- NP-schwere ganzzahlige Optimierungsaufgaben- NP-schwere gemischt-ganzzahlige Optimierungsaufgaben- Branch & Bound, Branch & Cut- Dynamische Programmierung- Approximationsalgorithmen- Ausgewählte Anwendungen (Industrie, Wirtschaft, Informatik,...)Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich SommersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit Downloadbereich
Seite 70 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Literatur:- W.J. Cook, W.H. Cunningham, W.R. Pulleyblank, and A. Schrijver, Combinatorial Optimization, JohnWiley and Sons, 1998- Korte/Vygen, Combinatorial Optimization, Springer, 2003- A. Schrijver, Combinatorial Optimization, Volume A-C, Springer, 2004- A. Schrijver, Theory of Linear and Integer Programming, Wiley, 1986- G.L. Nemhauser, L.A. Wolsey, Integer and Combinatorial Optimization, Wiley, 1988- L.A. Wolsey, Integer Programming, Wiley, 1998Erklärender Kommentar:Es werden insbesondere Kenntnisse in 'Einführung in die Mathematische Optimierung' und 'Lineare und KombinatorischeOptimierung' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 71 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.5. Dynamische Optimierung
Modulbezeichnung:Dynamische Optimierung
Modulnummer:MAT-STD6-34
Institution:Mathematik Institute 6
Modulabkürzung:DynOpt
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Dynamische Optimierung (V) Dynamische Optimierung (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kennenlernen der Problemstellung der Optimalen Steuerung, der Parameterschätzung, der optimalen Versuchsplanungund der Modelldiskriminierung- Unterscheiden und Beherrschen grundsätzlicher Herangehensweisen auf dem Gebiet der optimalen Steuerung- Vertieftes Kennenlernen von Möglichkeiten zur Analyse, Interpretation und Effizienzsteigerung numerischer Algorithmenam Beispiel der Optimalen SteuerungInhalte:- Modellierung dynamischer Prozesse durch ODE und DAE- Theorie der Anfangswertprobleme bei gewöhnlichen Differentialgleichungen (ODE) und differentialalgebraischen (DAE)Gleichungen- Randwertprobleme, Lösung durch Einfachschieß- und Mehrzielverfahren- Modellierung und Transformation von Optimalsteuerungsproblemen- Das Prinzip von BellmannDirekte, indirekte, sequentielle und simultane Ansätze, darunter beispielsweise das Pontryagin'sche Maximumprinzip,Einfachschießverfahren, Kollokationsverfahren, Mehrzielverfahren, dynamische Optimierung, die Hamilton-Jacobi-Bellman-Gleichung- Strukturen und deren Ausnutzung im direkten Mehrzielverfahren- Parameterschätzung und dynamischen Problemen- Das verallgemeinerte Gauß-Newton-Verfahren, lokale Kontraktion und Konvergenz- Statistik des verallgemeinerten Gauß-Newton-Verfahrens- Optimale Versuchsplanung- ModelldiskriminierungLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich WintersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, Folien, Beamer, vorlesungsbegleitende Internetseiten mit Downloadbereich
Seite 72 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Literatur:M. Gerdts: Optimal Control of ODEs and DAEs, De Gruyter, 2011.A. E. Bryson, Y.-C. Ho: Applied Optimal Control: Optimization Estimation an Control, Routledge, 1975.G. Feichtinger, R. F. Hartl: Optimale Kontrolle Ökonomischer Prozesse, De Gruyter, 1986.Y. Bard: Nonlinear Parameter Estimation, Academic Press, 1974.D. Bertsekas: Dynamic Programming & Optimal Control, Athena Scientific, 2005.Erklärender Kommentar:Nach Absprache kann die Veranstaltung auch auf Englisch gehalten werden.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 73 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.6. Funktionale Zeitreihen
Modulbezeichnung:Funktionale Zeitreihen
Modulnummer:MAT-STD6-39
Institution:Mathematik Institute 6
Modulabkürzung:FktaleZR
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Funktionale Zeitreihen (V) Funktionale Zeitreihen (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit ProjektcharakterInhalte:Es wird eine Auswahl der folgenden Themen behandelt:- Beispiele für funktionale Zeitreihen- Hilbert-Raum Grundlagen für funktionale Zeitreihen- Definition wichtiger Kenngrößen für funktionale Zeitreihen: Mittelwert- und Kovarianzoperator- Funktionale autoregressive Modelle: Existenz, Schätzung und Vorhersage- Funktionale Zeitreihen und FrequenzbereichLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:wird zu Beginn der Vorlesung bekannt gegebenErklärender Kommentar:Es werden Kenntnisse in 'Zeitreihenanalyse' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 74 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.7. Gemischt-ganzzahlige Nichtlineare Optimierung (MINLP)
Modulbezeichnung:Gemischt-ganzzahlige Nichtlineare Optimierung (MINLP)
Modulnummer:MAT-STD6-42
Institution:Mathematik Institute 6
Modulabkürzung:MINLP
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Gemischt-ganzzahlige Nichtlineare Optimierung (MINLP) (V) Gemischt-ganzzahlige Nichtlineare Optimierung (MINLP) (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen der Problemstellung der gemischt-ganzzahligen nichtlinearen Optimierung-Vertieftes Kennenlernen von Algorithmen zur Lösung von MINLPs und Fähigkeit zu deren Anwendung bei spezifischenProblemstellungenInhalte:Gemischt-ganzzahlige Nichtlineare Optimierung (MINLP)Inhalte:- Die Problemklasse MINLP, Darstellung, Konvexität, Berechenbarkeit- Modellierung von Optimierungsproblemen mit kombinatorischen und nichtlinearen Phänomenen durch MINLP- Enumeration, Branch-and-Bound-Verfahren- Schnittebenenverfahren für MINLP- Konvexe und nichtkonvexe MINLP, Verfahren für nichtkonvexe MINLP- Benders' Decomposition, Outer Approximation, Feasibility Pump- Ausgewählte Heuristiken zur Beschleunigung- Modellierungssprachen und Software zur gemischt-ganzzahligen nichtlinearen Optimierung- Gemischt-ganzzahlige nichtlineare Optimierung bei dynamischen NebenbedingungenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:wird in der Vorlesung bekannt gegebenErklärender Kommentar:Es werden Inhalte aus 'Einführung in die Mathematische Optimierung' oder 'Lineare und Kombinatorische Optimierung"vorausgesetzt.
Seite 75 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 76 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.8. Informationstheorie und Signalverarbeitung
Modulbezeichnung:Informationstheorie und Signalverarbeitung
Modulnummer:MAT-STD6-50
Institution:Mathematik Institute 6
Modulabkürzung:InfTheorie uSigverarb
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Informationstheorie und Signalverarbeitung (V) Informationstheorie und Signalverarbeitung (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Verständnis der optimalen Kodierung zufälliger Datenquellen- Berechnung optimale Kodierungen mit Hilfe der Entropierate des zugehörigen stochastischen Prozesses als zentraleGrößeInhalte:* Grundbegriffe der Kodierungstheorie,* Kraft-Ungleichung und der Satz von McMillan,* Unabhängig identisch verteilte Informationsquellen und Huffman-Kodes,* Entropie und andere Grundbegriffe der Wahrscheinlichkeitstheorie,* Stochastische Prozesse und Entropieraten,* Shannons Theorem für unabhängig identisch verteilte Zufallsvariablen,* Das Gesetz der großen Zahlen und der Gleichverteilungssatz,* Universelle Kodierungen und Lempel-Ziv-Kodierung,* Rate Distortion TheoryLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:TafelLiteratur:Thomas Cover + Joy Thomas: Elements of Information Theory,Wiley Series on TelecommunicationErklärender Kommentar:Grundkenntnisse zu stochastischen Prozessen sind wünschenswertKategorien (Modulgruppen):Wahlbereich Data Science
Seite 77 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 78 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.9. Introduction to the Theory of Bootstrap for Time Series
Modulbezeichnung:Introduction to the Theory of Bootstrap for Time Series
Modulnummer:MAT-STD6-53
Institution:Mathematik Institute 6
Modulabkürzung:IntroBootstrapTS
Workload: 240 h Präsenzzeit: 70 h Semester: 1
Leistungspunkte: 8 Selbststudium: 170 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 5
Lehrveranstaltungen/Oberthemen: Introduction to the Theory of Bootstrap for Time Series (V) Introduction to the Theory of Bootstrap for Time Series (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Verständnis der Eigenschaften verschiedener Klassen stochastischer Prozesse und Beherrschen der wichtigstenmathematischen Techniken in diesem Bereich- Beherrschen der wichtigsten Techniken für zeitstetige finanzmathematische ModelleInhalte:Es wird eine Auswahl der folgenden Themen behandelt:- Simple examples for Bootstrap procedures- Specific probabilistic and statistical foundations for Bootstrap procedures- Consistency of Bootstrap procedures- AR-Sieve Bootstrap and regression-type Bootstrap procedures- Block Bootstrap, Circular and Stationary Bootstrap- Subsampling- Bootstrap in frequency domain- ApplicationsLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:EnglischMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:wird zu Beginn der Vorlesung bekannt gegebenErklärender Kommentar:Es werden Kenntnisse in 'Zeitreihenanalyse' und 'Spektralanalytische Methoden' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data Science
Seite 79 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 80 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.10. Inverse Probleme
Modulbezeichnung:Inverse Probleme
Modulnummer:MAT-STD6-88
Institution:Mathematik Institute 6
Modulabkürzung:InvProbs
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen:Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen des Begriffs eines "schlecht gestellten Problems", von Regularisierungsverfahren und derenEigenschaften- Fähigkeit zur Bearbeitung schlecht gestellter Probleme mit dem Computer zur Berechnung von RegularisierungenInhalte:- Kompakte Operatoren, Pseudo-Inverse- Regulasierungsmethoden, Ordnungsoptimalität- Tikhonov-Regularisierung, Landweberverfahren, CG-Verfahren- A-priori und a-posteriori Parameterwahl- ggf. nichtlineare Probleme oder konvexe variationale RegularisierungLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Rieder, Keine Probleme mit Inversen Problemen, Vieweg, 2003- Engl, Hanke, Neubauer, Regularization of Inverse Problems, Kluwer, 2000Erklärender Kommentar:Kenntnisse in 'Einführung in die Numerik' werden voraugesetzt. Kenntnisse und Funktionalanalysis sind hilfreich.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 81 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.11. Kryptographie
Modulbezeichnung:Kryptographie
Modulnummer:MAT-STD6-01
Institution:Mathematik Institute 6
Modulabkürzung:Krypto
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Kryptographie (Ü) Kryptographie (V)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Systematische Vertiefung und Erweiterung der im Bachelorstudium erlangten Kenntnisse und Fähigkeiten in der ReinenMathematik mit dem Ziel der Anwendung auf Probleme der Kommunikationstheorie- Das Beherrschen von algebraischen und zahlentheoretischen Methoden in der Public-Key Kryptographie und beiSignaturverfahren- Die Fähigkeit, die Komplexität der Faktorisierung von Zahlen und das Konzept des diskreten Logarithmus fürkryptographische Zwecke zu nutzenInhalte:- Einführung in die Kryptographie- Symmetrische und asymmetrische Kryptosysteme- Methoden der Public Key Kryptographie- Primzahltests und Faktorisierungsverfahren- Geschichte der KryptographieLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Abschlussmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- O. Forster: Algorithmische Zahlentheorie, Vieweg Verlag, 1996- N. Koblitz: A course in number theory and cryptography, Springer Verlag, 1994- J. Hoffstein, J. Pipher, J. Silverman: An Introduction to Mathematical Cryptography, Springer Verlag, 2008Erklärender Kommentar:---Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Seite 82 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 83 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.12. Maschinelles Lernen mit neuronalen Netzen
Modulbezeichnung:Maschinelles Lernen mit neuronalen Netzen
Modulnummer:MAT-STD5-59
Institution:Mathematik Institute 5
Modulabkürzung:MaschLernNeuroNetz
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Maschinelles Lernen mit neuronalen Netzen (V) Maschinelles Lernen mit neuronalen Netzen (klÜ)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Fähigkeit der Charakterisierung neuronaler Netze anhand mathematischer Größen und Begriffe- Kennenlernen verschiedener Einsatzgebiete und Anwendungen neuronaler Netze- Verständnis von Optimierungsmethoden für das Training neuronaler NetzeInhalte:- Mehrschichtige neuronale Netze- Backpropagation-Algorithmus- Regularisierung- Stochastische Gradientenverfahren- Optimierungsmethoden zweiter OrdnungLernformen:Vorlesung und kleine ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- I. Goodfellow, Y. Bengio, A. Courville, Deep Learning, MIT Press, 2017- C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006Erklärender Kommentar:Es werden Kenntnisse in Analysis und linearer Algebra vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master), Finanz- undWirtschaftsmathematik (MPO 2014) (Master), Mathematik (MPO Version 2) (Master),
Seite 84 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kommentar für Zuordnung:---
Seite 85 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.13. Mathematische Bildverarbeitung
Modulbezeichnung:Mathematische Bildverarbeitung
Modulnummer:MAT-STD6-57
Institution:Mathematik Institute 6
Modulabkürzung:MathBildVerarb
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Mathematische Bildverarbeitung (V) Mathematische Bildverarbeitung (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Verständnis der Charakterisierung der Qualität eines Bildes durch mathematische Größen- Kennenlernen der wichtigsten Grundaufgaben der Bildverarbeitung und verschiedener Methoden zu deren LösungInhalte:- Interpolation und Abtasten, Histogramme- Lineare und Morphologische FilterEine Auswahl aus den Themen: Frequenzmethoden, Abtasttheorem, Anwendungen von partielle Differentialgleichungenoder VariationsmethodenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Bredies, Lorenz, Mathematische Bildverarbeitung, Vieweg, 2011- Aubert, Kornprobst, Mathematical Problems in Image Processing, Springer, 2006Erklärender Kommentar:Kenntnisse in 'Einführung in die Numerik' werden voraugesetzt. Kenntnisse in 'Funktionalanalysis' sind hilfreich.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 86 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.14. Mathematische Statistik und Finanzzeitreihen
Modulbezeichnung:Mathematische Statistik und Finanzzeitreihen
Modulnummer:MAT-STD6-62
Institution:Mathematik Institute 6
Modulabkürzung:MathStatuFZR
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Mathematische Statistik und Finanzzeitreihen (V) Mathematische Statistik und Finanzzeitreihen (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen und Beherrschen der wichtigsten Methoden in der Mathematischen Statistik zur Beurteilung der Güte undOptimalität von Schätz- und Testverfahren- Fähigkeit zur Entwicklung von (optimalen) Konfidenzbereichen- Kennenlernen spezieller statistischer Verfahren für hochdimensionale Daten- Verständnis der grundlegenden wahrscheinlichkeitstheoretischen Behandlung von Finanzzeitreihen und Erwerb vonKenntnissen über Eigenschaften statistischer Verfahren dafür- Befähigung zur Modellierung realer DatenInhalte:- Statistische Modelle- Maximum-Likelihood Schätzer- Optimalität von statistischen Schätzverfahren- Optimale Hypothesentests für Exponentialfamilien- Konfindenzbereiche und deren Optimalität- Asymptotische Beurteilung von Schätzverfahren und statistischen Tests- Beispiele für Finanzzeitreihen- GARCH-Modelle von heteroskedastische Zeitreihenmodelle- Existens von Lösungen in GARCH-Modellen- Parameterschätzung in GARCH-Modellen- Anwendung auf reale Datensätze- Stochastische VolatilitätsmodelleLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich WintersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, elektronische vorlesungsbegleitende Materialien
Seite 87 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Literatur:wird zu Beginn der Vorlesung bekannt gegebenErklärender Kommentar:Es werden Kenntnisse in 'Wahrscheinlichkeitstheorie', 'Diskrete Finanzmathematik' und 'Zeitreihenanalyse' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 88 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.15. Modellreduktion
Modulbezeichnung:Modellreduktion
Modulnummer:MAT-STD6-72
Institution:Mathematik Institute 6
Modulabkürzung:ModellRed
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Modellreduktion (V) Modellreduktion (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Verständnis des Konzepts und der Anwendungen der Modellreduktion- Beherrschen der wichtigsten Verfahren der (nicht)linearen Modellreduktion- Verständnis der grundlegenden Grenzen der Anwendbarkeit der Verfahren- Fähigkeit zur Beurteilung der Güte und Optimalität der erreichbaren ApproximationInhalte:[Modellreduktion (V)]spezifizierte Qualifikationsziele/Inhalte:Einführung in die Theorie linearer Systeme, Numerische Verfahren zur Modellreduktion für lineare und nichtlineareSysteme, insbesondere modales Abschneiden (Eigenwert-basierte Verfahren), balanziertes Abschneiden(Singulärwertzerlegung-basierte Verfahren), Pade-Approximation/rationale Interpolation (Krylovunterraum-basierteVerfahren) und Proper orthogonal decomposition (POD)/Karhunen-Loeve-Zerlegung, AnwendungenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form eines Portfolios oder einer Klausur oder mündlichen Prüfung nach Vorgabeder Prüferin oder des Prüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten, insbesondere ggf. die Ausgestaltung des eigenständig zu erstellenden Modul-Portfolios, gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Thanos Antoulas, "Approximation of large-scale dynamical systems", SIAM 2005Erklärender Kommentar:Es werden Kenntnisse in 'Einführung in die Numerik', 'Analysis 3/Gewöhnliche DGL' und 'Numerik gewöhnlicher DGL'vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Seite 89 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 90 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.16. Nichtparametrische Statistik
Modulbezeichnung:Nichtparametrische Statistik
Modulnummer:MAT-STD6-74
Institution:Mathematik Institute 6
Modulabkürzung:NichtparaSTAT
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Nichtparametrische Statistik (V) Nichtparametrische Statistik (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen von Kernschätzmethoden und andere Glättungsverfahren der Statistik- Beherrschen des grundsätzlichen methodischen Vorgehens- Kennenlernen von Bootstrap-Verfahren und weitere ResamplingtechnikenInhalte:- Kern- und lokal polynomiale Schätzer für Wahrscheinlichkeitsdichten und Regressionsfunktionen- Bias-Varianz Zerlegung- optimale asymptotische Konvergenzraten unter Glattheitsannahmen- asymptotische Risikoschranken- weitere nichtparametrische Schätzer für Regressionsfunktionen (auch unter sog. shape constraints wie z.B. Monotonieoder Konvexität)- Bandweitenwahl- Variierende vertiefende Aspekte (z.B. Bootstrap)Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:Wird zu Beginn der jeweiligen Veranstaltung bekannt gegeben.Erklärender Kommentar:Es werden Kenntnisse in 'Wahrscheinlichkeitstheorie' und in Mathematischer Statistik vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Seite 91 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 92 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.17. Nichtparametrische Statistik inkl. Spezialisierung
Modulbezeichnung:Nichtparametrische Statistik inkl. Spezialisierung
Modulnummer:MAT-STD6-73
Institution:Mathematik Institute 6
Modulabkürzung:NichtparaStat Spez
Workload: 240 h Präsenzzeit: 70 h Semester: 1
Leistungspunkte: 8 Selbststudium: 170 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 5
Lehrveranstaltungen/Oberthemen: Nichtparametrische Statistik (V) Nichtparametrische Statistik (Ü)Spezialisierung Bootstrap-Verfahren (V) Multivariate Methoden der Zeitreihenanalyse (B) Spektralanalytische Methoden der Zeitreihenanalyse (V) Funktionale Zeitreihen (V) Bootstrap-Verfahren für Multivariate Zeitreihen (V)Belegungslogik (wenn alternative Auswahl, etc.):Das Modul besteht aus der zweistündigen Vorlesung und aus der einstündigen Übung "Nichtparametrische Statistik"sowie aus einer zweistündigen Vorlesung, die aus einem Katalog Spezialisierung gewählt wird.Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen von Kernschätzmethoden und andere Glättungsverfahren der Statistik- Beherrschen des grundsätzlichen methodischen Vorgehens- Kennenlernen von Bootstrap-Verfahren und weitere ResamplingtechnikenInhalte:[Nichtparametrische Statistik]- Kern- und lokal polynomiale Schätzer für Wahrscheinlichkeitsdichten und Regressionsfunktionen- Bias-Varianz Zerlegung- optimale asymptotische Konvergenzraten unter Glattheitsannahmen- asymptotische Risikoschranken- weitere nichtparametrische Schätzer für Regressionsfunktionen (auch unter sog. shape constraints wie z.B. Monotonieoder Konvexität)- Bandweitenwahl- Variierende vertiefende Aspekte (z.B. Bootstrap)
[Spezialsierung]Inhalt je nach Wahl der SpezialisierungLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:Deutsch
Seite 93 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Medienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:Wird zu Beginn der jeweiligen Veranstaltung bekannt gegeben.Erklärender Kommentar:Das Modul besteht aus der zweistündigen Vorlesung und aus der einstündigen Übung "Nichtparametrische Statistik"sowie aus einer zweistündigen Vorlesung, die aus einem Katalog Spezialisierung gewählt wird.
Kenntnisse in Wahrscheinlichkeitstheorie und Mathematischer Statistik werden vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 94 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.18. Numerische Methoden für Markov-Ketten
Modulbezeichnung:Numerische Methoden für Markov-Ketten
Modulnummer:MAT-STD6-78
Institution:Mathematik Institute 6
Modulabkürzung:NUM_Markov
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Numerische Methoden für Markov-Ketten (V) Numerische Methoden für Markov-Ketten (klÜ)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Die Studierenden kennen direkte und iterative Lösungsverfahren für Markov-Ketten.- Die Studierenden haben die Fähigkeit, die theoretischen Eigenschaften dieser Verfahren zu bewerten.- Die Studierenden können abwägen, welches der Verfahren für welche Anwendungssituation das geeignete ist.Inhalte:[Numerische Methoden für Markov-Ketten (V)]spezifizierte Qualifikationsziele/Inhalte:Nach einer (kurzen) Einführung in die Theorie der Markov-Ketten wird sich diese Vorlesung hauptsächlich mit dreiKlassen von numerischen Lösungsverfahren für Markov-Ketten beschäftigen: direkte Verfahren, iterative Verfahren undProjektionsverfahren.Direkte Verfahren können alle als Varianten des Gaußschen Eliminationsverfahrens interpretiert werden. Bei deniterativen Verfahren werden die Potenzmethode, das Jacobi-, das Gauß-Seidel- und das SOR-Verfahren betrachtet. Wiebei den direkten Verfahren werden dabei insbesondere die speziellen Eigenschaften, die sich durch die Markov-Kettenergeben, diskutiert. Ebenso wird die Stabilität der Verfahren und ihr Konvergenzverhalten untersucht. Die Anwendungvon Projektionsverfahren zur Lösung von Markov-Ketten wird ebenfalls diskutiert. Hier werden u.a. das Arnoldi- und dasGMRES-Verfahren genauer betrachtet.
Sollte es die Zeit erlauben, wird am Ende auf Markov-Ketten, deren zugrundeliegende Übergangsmatrizen spezielleStruktur (z.B. zyklisch, periodisch oder obere Block-Hessenberg-Struktur) haben, eingegangen. Durch Ausnutzen dieserspeziellen Strukturen lassen sich aus den besprochenen Standard-Verfahren oft schnellere Lösungsalgorithmenentwickeln.Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form eines Portfolios oder einer Klausur oder mündlichen Prüfung nach Vorgabeder Prüferin oder des Prüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten, insbesondere ggf. die Ausgestaltung des eigenständig zu erstellenden Modul-Portfolios, gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:---
Seite 95 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Literatur:- William J. Stewart, Introduction to the Numerical Solution of Markov Chains, Princeton University PressErklärender Kommentar:Es werden insbesondere Kenntnisse aus der "Einführung in die Numerik" vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 96 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.19. Numerische Methoden in der Finanzmathematik
Modulbezeichnung:Numerische Methoden in der Finanzmathematik
Modulnummer:MAT-STD6-79
Institution:Mathematik Institute 6
Modulabkürzung:NUMMethFiMA
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Numerische Methoden der Finanzmathematik (NUM) (V) Numerische Methoden der Finanzmathematik (NUM) (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kennenlernen mathematischer Modelle von Finanzderivaten- Verständnis der grundlegenden Ideen numerischer Methoden zur Berechnung von Optionspreisen und die Fähigkeit, dietheoretischen Eigenschaften dieser Verfahren zu bewerten- Fähigkeit zur Implementierung einfacher Programmcodes für die verschiedenen Löser, die bei Anwendungsproblemenin der Finanzmathematik auftretenInhalte:- Optionen und Optionspreismodelle- Binomialmethode- Aktienkursmodelle und numerische Simulation- Black-Scholes-Gleichung und numerische Methoden hierfürLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form eines Portfolios oder einer Klausur oder mündlichen Prüfung nach Vorgabeder Prüferin oder des Prüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten, insbesondere ggf. die Ausgestaltung des eigenständig zu erstellenden Modul-Portfolios, gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich WintersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Seydel, R. Tools for Computational Finance, Springer- Günther, M., Jüngel, A. Finanzderivate mit MATLAB, ViewegErklärender Kommentar:Vorausgesetzt werden Kenntnisse in 'Einführung in die Numerik' und 'Einführung in die Stochastik', wie diese in den BSc-Studiengängen Mathematik/FWM an der TUBS aktuell vermittelt werden. Hilfreich aber nicht notwendig sind Kenntnissein 'Wahrscheinlichkeitstheorie' sowie einer weiteren Numerik-Veranstaltung wie etwa 'Numerik gewöhnlicherDifferenzialgleichungen'.Kategorien (Modulgruppen):Wahlbereich Data Science
Seite 97 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 98 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.20. Online-Optimierung und Optimierungsbasierte Regelung
Modulbezeichnung:Online-Optimierung und Optimierungsbasierte Regelung
Modulnummer:MAT-STD6-65
Institution:Mathematik Institute 6
Modulabkürzung:OnlineOpt_Regelung
Workload: 150 h Präsenzzeit: 42 h Semester: 2
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Online-Optimierung und Optimierungsbasierte Regelung (V) Online-Optimierung und Optimierungsbasierte Regelung (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kennenlernen der Problemstellung der Optimierung unter Echtzeitbedingungen, der Optimierungsbasierten Regelung,sowie der Optimierungsbasierten Zustandsschätzung jeweils bei nichtlinearen dynamischen Systemen- Vertieftes Kennenlernen von nichtlinearen Optimierungsverfahren, Möglichkeiten zur deren Beschleunigung imEchtzeitkontext, sowie theoretische Fundierung dieser AnsätzeInhalte:- Explizite Modellprädiktive Regelung- Lineare Modellprädiktive Regelung- Homotopieverfahren- Aktive-Mengen-Verfahren- Nichtlineare Modellprädiktive Regelung- Anfangswerteinbettung- Echtzeititerationen- Inexakte Ableitungen und Newton-Typ-Verfahren- Zustandsschätzung: Kalman-Filter, Moving Horizon EstimationLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- Camacho, Bordons: Model Predictive Control, Springer, 2007.- Grüne, Pannek: Nonlinear Model Predictive Control, Springer, 2011.- Nocedal, Wright: Numerical Optimization, Springer, 2006.- Allgöwer, Zhang: Nonlinear Model Predictive Control, Springer, 2000.- M. Gerdts: Optimal Control of ODEs and DAEs, De Gruyter, 2011.- A. E. Bryson, Y.-C. Ho: Applied Optimal Control: Optimization Estimation and Control, Routledge, 1975.- Y. Bard: Nonlinear Parameter Estimation, Academic Press, 1974Erklärender Kommentar:---
Seite 99 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 100 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.21. Optimierung in Maschinellem Lernen und Datenanalyse 1
Modulbezeichnung:Optimierung in Maschinellem Lernen und Datenanalyse 1
Modulnummer:MAT-STD6-66
Institution:Mathematik Institute 6
Modulabkürzung:OptMaschLernDaten1
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Optimierung in Maschinellem Lernen und Datenanalyse 1 (V) Optimierung in Maschinellem Lernen und Datenanalyse 1 (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen von Optimierungsmethoden für maschinelles Lernen und maschinelles Lernen in Algorithmen derOptimierung, insbesondere der diskreten Optimierung und NetzwerkoptimierungInhalte:Inhalte sind Modelle, Kriterien und Methoden zur Analyse von Vektordaten als Graphen und zur Analyse von Netzwerken,insbesondere Zentralität und Clusterung, sowie Optimierungsmethoden und grundlegende Analysen für verschiedeneFormen des maschinellen Lernens. Dies kann mehrstufige, künstliche Neuronalenetze beinhalten.Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich SommersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, FolienLiteratur:---Erklärender Kommentar:Es werden Kenntnisse aus der Linearen und Kombinatorischen Optimierung und aus der Diskreten Optimierung, linearerAlgebra und Analysis sowie Grundkenntnisse im Bereich Wahrscheinlichkeitstheorie vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 101 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.22. Risiko- und Extremwerttheorie
Modulbezeichnung:Risiko- und Extremwerttheorie
Modulnummer:MAT-STD6-69
Institution:Mathematik Institute 6
Modulabkürzung:RisikoExtrwTH
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Risiko- und Extremwerttheorie (V) Risiko- und Extremwerttheorie (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Beherrschen der grundlegenden Methoden derSchadenversicherungsmathematik einschließlich Tarifierung, Rückstellung und Schadenreservierung- Kennenlernen von Grundlagen aus dem Bereich Ruintheorie und der Rückversicherungsmathematik sowie derExtremwerttheorieInhalte:- Grundlegende Modellierung von Gesamtschadenverteilungen- Zusammengesetzte Poissonprozesse- Prämienkalkulation- Approximation der Gesamtschadenverteilung- Schadenreservierung und Rückstellung- Rückversicherung und Schadenteilung inkl. Prämienaufteilung- Ruintheorie: Cramér-Lundberg-Modell, Lundberg-Ungleichung und -Koeffizient- Risikomaße und deren Eigenschaften: Value-at-Risk, expected shortfall, Kohärenz- Copulas mit Anwendungen, Rangkorrelationen- Credibility-Theorie und Credibility-Schätzer, Bühlmann-Straub-Modell- Extremwerttheorie: Grundlagen, Extremwertverteilungen, GrenzwertaussagenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:Wird zu Beginn der jeweiligen Veranstaltung bekannt gegeben.Erklärender Kommentar:Es werden Kenntnisse in 'Wahrscheinlichkeitstheorie' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data Science
Seite 102 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Voraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 103 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.23. Risiko- und Extremwerttheorie inkl. Spezialisierung
Modulbezeichnung:Risiko- und Extremwerttheorie inkl. Spezialisierung
Modulnummer:MAT-STD6-68
Institution:Mathematik Institute 6
Modulabkürzung:RisikoExtrwTH Spez
Workload: 240 h Präsenzzeit: 70 h Semester: 1
Leistungspunkte: 8 Selbststudium: 170 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 5
Lehrveranstaltungen/Oberthemen: Risiko- und Extremwerttheorie (V) Risiko- und Extremwerttheorie (Ü)Spezialisierung Bootstrap-Verfahren (V) Multivariate Methoden der Zeitreihenanalyse (B) Spektralanalytische Methoden der Zeitreihenanalyse (V) Nichtparametrische Statistik (V) Funktionale Zeitreihen (V) Bootstrap-Verfahren für Multivariate Zeitreihen (V)Belegungslogik (wenn alternative Auswahl, etc.):Das Modul besteht aus der zweistündigen Vorlesung und aus der einstündigen Übung "Risiko- und Extremwerttheorie"sowie aus einer zweistündigen Vorlesung, die aus einem Katalog "Spezialisierung" gewählt wird.Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Beherrschung der grundlegenden Methoden der Schadensversicherungsmathematik einschließlich Tarifierung,Rückstellung und Schadenreservierung- Kennenlernen von Grundlagen aus dem Bereich Ruintheorie und der Rückversicherungsmathematik sowie derExtremwerttheorie- Erwerb vertiefter Kenntnisse in einem Bereich der Statistik, Zeitreihen oder der stochastischen ProzesseInhalte:[Risiko- und Extremwerttheorie (V)]- Grundlegende Modellierung von Gesamtschadenverteilungen- Zusammengesetzte Poissonprozesse- Prämienkalkulation- Approximation der Gesamtschadenverteilung- Schadenreservierung und Rückstellung- Rückversicherung und Schadenteilung inkl. Prämienaufteilung- Ruintheorie: Cramér-Lundberg-Modell, Lundberg-Ungleichung und -Koeffizient- Risikomaße und deren Eigenschaften: Value-at-Risk, expected shortfall, Kohärenz- Copulas mit Anwendungen, Rangkorrelationen- Credibility-Theorie und Credibility-Schätzer, Bühlmann-Straub-Modell- Extremwerttheorie: Grundlagen, Extremwertverteilungen, Grenzwertaussagen
[Spezialisierung]Inhalt je nach Wahl der SpezialisierungLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.
Seite 104 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:Wird zu Beginn der jeweiligen Veranstaltung bekannt gegeben.Erklärender Kommentar:Das Modul besteht aus der zweistündigen Vorlesung und aus der einstündigen Übung "Risiko- und Extremwerttheorie"sowie aus einer zweistündigen Vorlesung, die aus einem Katalog "Spezialisierung" gewählt wird.
Es werden Kenntnisse in 'Wahrscheinlichkeitstheorie' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 105 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.24. Spektralanalytische Methoden der Zeitreihenanalyse
Modulbezeichnung:Spektralanalytische Methoden der Zeitreihenanalyse
Modulnummer:MAT-STD6-46
Institution:Mathematik Institute 6
Modulabkürzung:SpektralAnalyt
Workload: 150 h Präsenzzeit: 42 h Semester: 1
Leistungspunkte: 5 Selbststudium: 108 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 3
Lehrveranstaltungen/Oberthemen: Spektralanalytische Methoden der Zeitreihenanalyse (V) Spektralanalytische Methoden der Zeitreihenanalyse (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kennenlernen der spektralanalytische Methoden der Zeitreihenanalyse- Kennenlernen der Integration deterministischer Funktionen nach Prozessen mit orthogonalen Inkrementen bzw. nachMaßen mit orthogonalen Werten- Kennenlernen von Schätzverfahren für die SpektraldichteInhalte:- Spektralmaß und Spektraldichte einer stationären Zeitreihe- Spektralsatz für stationäre Zeitreihen- Filterung stationärer Zeitreihen, Anwendungen auf ARMA-Modelle- Periodogramm und dessen asymptotische Eigenschaften- Integrierte Periododgramme und deren asymptotische Eigenschaften- Konsistente nichtparametrische Schätzung der Spektraldichte (smoothed periodograms und lag-window Schätzer)- Konfidenzintervalle für die Spektraldichte und parametrische Spektraldichteschätzung, pere-whiteningLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich SommersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:Wird zu Beginn der jeweiligen Veranstaltung bekannt gegeben.Erklärender Kommentar:Es werden Kenntnisse in 'Wahrscheinlichkeitstheorie' und 'Zeitreihenanalyse' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),
Seite 106 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kommentar für Zuordnung:---
Seite 107 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.25. Spektralanalytische Methoden der Zeitreihenanalyse inkl. Spezialisierung
Modulbezeichnung:Spektralanalytische Methoden der Zeitreihenanalyse inkl. Spezialisierung
Modulnummer:MAT-STD6-43
Institution:Mathematik Institute 6
Modulabkürzung:SpektralanaMethSpez
Workload: 240 h Präsenzzeit: 70 h Semester: 1
Leistungspunkte: 8 Selbststudium: 170 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 5
Lehrveranstaltungen/Oberthemen: Spektralanalytische Methoden der Zeitreihenanalyse (V) Spektralanalytische Methoden der Zeitreihenanalyse (Ü)Spezialisierung Bootstrap-Verfahren (V) Multivariate Methoden der Zeitreihenanalyse (B) Nichtparametrische Statistik (V) Funktionale Zeitreihen (V) Bootstrap-Verfahren für Multivariate Zeitreihen (V)Belegungslogik (wenn alternative Auswahl, etc.):Das Modul besteht aus der zweistündigen Vorlesung und aus der einstündigen Übung "Spektralanalytische Methoden derZeitreihenanalyse" sowie aus einer zweistündigen Vorlesung der Stochastik als Spezialisierung nach Wahl in Absprachemit dem Prüfungsausschuss.Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kennenlernen der spektralanalytische Methoden der Zeitreihenanalyse- Kennenlernen der Integration deterministischer Funktionen nach Prozessen mit orthogonalen Inkrementen bzw. nachMaßen mit orthogonalen Werten- Kennenlernen von Schätzverfahren für die SpektraldichteInhalte:[Spektralanalytische Methoden der Zeitreihenanalyse]- Spektralmaß und Spektraldichte einer stationären Zeitreihe- Spektralsatz für stationäre Zeitreihen- Filterung stationärer Zeitreihen, Anwendungen auf ARMA-Modelle- Periodogramm und dessen asymptotische Eigenschaften- Integrierte Periododgramme und deren asymptotische Eigenschaften- Konsistente nichtparametrische Schätzung der Spektraldichte (smoothed periodograms und lag-window Schätzer)- Konfidenzintervalle für die Spektraldichte und parametrische Spektraldichteschätzung, pere-whitening
[Spezialsierung]Inhalt je nach Wahl der SpezialisierungLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich SommersemesterModulverantwortliche(r):Studiendekan Mathematik
Seite 108 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Sprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:Wird zu Beginn der jeweiligen Veranstaltung bekannt gegeben.Erklärender Kommentar:Das Modul besteht aus der zweistündigen Vorlesung und aus der einstündigen Übung "Spektralanalytische Methoden derZeitreihenanalyse" sowie aus einer zweistündigen Vorlesung der Stochastik als Spezialisierung nach Wahl in Absprachemit dem Prüfungsausschuss.
Es werden Kenntnisse in 'Wahrscheinlichkeitstheorie' und 'Zeitreihenanalyse' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 109 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.26. Spezialisierung Mathematische Stochastik
Modulbezeichnung:Spezialisierung Mathematische Stochastik
Modulnummer:MAT-STD6-48
Institution:Mathematik Institute 6
Modulabkürzung:SpezMathSTO
Workload: 180 h Präsenzzeit: 56 h Semester: 1
Leistungspunkte: 6 Selbststudium: 124 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 4
Lehrveranstaltungen/Oberthemen:Spezialisierung Bootstrap-Verfahren (V) Multivariate Methoden der Zeitreihenanalyse (B) Nichtparametrische Statistik (V) Spektralanalytische Methoden der Zeitreihenanalyse (V) Bootstrap-Verfahren für Multivariate Zeitreihen (V)Belegungslogik (wenn alternative Auswahl, etc.):Das Modul besteht aus zwei zweistündigen Spezial-Vorlesungen der Mathematischen Stochastik in Absprache mit demPrüfungsausschuss.Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Kennenlernen eines Spezialisierungsbereichs innerhalb der mathematischen StochastikInhalte:[Spezialsierung 1]Inhalt je nach Wahl der Spezialisierung
[Spezialsierung 2]Inhalt je nach Wahl der SpezialisierungLernformen:Vorlesung des LehrendenPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jedes SemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur:Literatur der gewählten SpezialisierungenErklärender Kommentar:Das Modul besteht aus zwei zweistündigen Spezial-Vorlesungen der Mathematischen Stochastik in Absprache mit demPrüfungsausschuss.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Seite 110 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 111 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.27. Statistisches und maschinelles Lernen
Modulbezeichnung:Statistisches und maschinelles Lernen
Modulnummer:MAT-STD6-52
Institution:Mathematik Institute 6
Modulabkürzung:StatMaschLern
Workload: 210 h Präsenzzeit: 56 h Semester: 1
Leistungspunkte: 7 Selbststudium: 154 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 4
Lehrveranstaltungen/Oberthemen: Statistisches und maschinelles Lernen (klÜ) Statistisches und maschinelles Lernen (V)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Kennenlernen der grundlegenden Ideen und Methoden im Bereich des maschinellen und statistischen LernensInhalte:- Supervised Learning: Lineare Regression, Logistische Regression, Support Vector Machines, Decision Trees, k-means,kernel smoothing methods, Random forests, Neuronale Netzwerke- Unsupervised Learning: Principal Component Analysis, Clustering- Modellanpassungen: Wahl der Glättungsparameter via cross validation oder BootstrapLernformen:Vorlesung und kleine ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin bzw. desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende MaterialienLiteratur: G. James, D. Witten, T. Hastie, R. Tibshirani:An Introduction to Statistical Learning, Springer 2013 T. Hastie, R. Tibshirani, J. Friedman: The Elements of Statistical Learning, Springer 2001 K. Murphy: Machine Learning A probabilistic perspective, The MIT Press, 2012Erklärender Kommentar:Es werden Kenntnisse aus den Vorlesungen Einführung Stochastik, Statistische Verfahren und überWahrscheinlichkeitstheorie vorausgesetzt. Grundkenntnisse im Programmieren mit R oder C++, Kenntnisse derVorlesungen Mathematische Statistik und Nichtparametrische Statistik sind hilfreich.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),
Seite 112 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kommentar für Zuordnung:---
Seite 113 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
3.28. Stochastische Prozesse und Zeitstetige Finanzmathematik
Modulbezeichnung:Stochastische Prozesse und Zeitstetige Finanzmathematik
Modulnummer:MAT-STD6-61
Institution:Mathematik Institute 6
Modulabkürzung:StoProz ZeitstetFiMa
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Stochastische Prozesse und Zeitstetige Finanzmathematik (V) Stochastische Prozesse und Zeitstetige Finanzmathematik (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter
- Verständnis der Eigenschaften verschiedener Klassen stochastischer Prozesse und Beherrschen der wichtigstenmathematischen Techniken in diesem Bereich- Beherrschen der wichtigsten Techniken für zeitstetige finanzmathematische ModelleInhalte:- Beispiele für stochastische Prozesse, Stationarität- Kanonische Darstellung (Satz von Kolmogorow)- Martingale- Poisson Prozesse- Eigenschaften des Wiener Prozesses (Brownsche Bewegung)- Geometrische Brownsche Bewegung- Gaußprozesse- Markov Prozesse inkl. Markovscher Ketten- Semimartingale- Stochastische Integration- Itô-Kalkül- Maßwechsel für Semimartingale- Stochastische Differentialgleichungen- Preisbestimmung für Finanzderivate- Black-Scholes-Modell- ZinsstrukturmodelleLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.
Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jährlich SommersemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, zur Ergänzung Folien und Beamer, elektronische vorlesungsbegleitende Materialien
Seite 114 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Literatur:Wird zu Beginn der jeweiligen Veranstaltung bekannt gegeben.Erklärender Kommentar:Es werden Kenntnisse in 'Wahrscheinlichkeitstheorie' und 'Diskrete Finanzmathematik' vorausgesetzt.Kategorien (Modulgruppen):Wahlbereich Data ScienceVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 115 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
4. Professionalisierungsbereich4.1. Tutorium
Modulbezeichnung:Tutorium
Modulnummer:MAT-STD6-40
Institution:Mathematik Institute 6
Modulabkürzung:
Workload: 180 h Präsenzzeit: 14 h Semester: 3
Leistungspunkte: 6 Selbststudium: 166 h Anzahl Semester: 1
Pflichtform: Pflicht SWS: 1
Lehrveranstaltungen/Oberthemen: Tutorium (T)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:Im Tutorium sollen sich die Studierenden- unter Anleitung in ein fortgeschrittenes mathematisches Thema einarbeiten,- selbständig Literaturrecherchen durchführen können,- über mathematische Sachverhalte mit der betreuenden Hochschullehrerin/dem betreuenden Hochschullehrerkommunizieren können.Inhalte:abhängig vom jeweiligen ThemaLernformen:SeminarPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Studienleistung: 1 Studienleistung in Form von mündlichen Arbeitsberichten und Präsentation nach Vorgabe der Prüferinoder des Prüfers. Die genauen Prüfungsmodalitäten für das Tutorium gibt die Dozentin bzw. der Dozent zu Beginn derVeranstaltung bekannt.Turnus (Beginn):jedes SemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:---Literatur:abhängig vom jeweiligen ThemaErklärender Kommentar:Im Tutorium erarbeitet die oder der Studierende einen abgegrenzten, abgeschlossenen Abschnitt aus derMathematischen Literatur (z.B. ein oder mehrere Kapitel aus einem Lehrbuch) unter Anleitung einer Dozentin oder einesDozenten.Kategorien (Modulgruppen):ProfessionalisierungsbereichVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 116 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
4.2. Mathematisches Seminar
Modulbezeichnung:Mathematisches Seminar
Modulnummer:MAT-STD6-80
Institution:Mathematik Institute 6
Modulabkürzung:MathSeminar
Workload: 120 h Präsenzzeit: 28 h Semester: 1
Leistungspunkte: 4 Selbststudium: 92 h Anzahl Semester: 1
Pflichtform: Pflicht SWS: 2
Lehrveranstaltungen/Oberthemen: Master-Seminar Optimierung (B) Master-Seminar Stochastik (S) Master-Seminar Diskrete Mathematik (S) Spektraltheorie (S) Master-Seminar Numerik (S) Anwendung von partiellen Differentialgleichungen (S) Master-Seminar Funktionalanalysis (S) Seminar Ausgewählte Kapitel der Funktionentheorie (S) Master-Seminar Dynamische Systeme (S)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Erwerb von sozialen und beruflichen Kompetenzen,Schlüsselqualifikationen und Strategien zur Verhaltensänderung- Kompetenzen und Fähigkeiten in freier Rede, ausgewählten Gesprächstechniken und ausgewählten Moderations- undPräsentationstechniken- vertiefte Kenntnis von und Fähigkeit im Umgang mitInformations-/Kommunikationstechnologien- vertiefte Kenntnisse des Schreibens mathematisch-technischer Texte, Bibliographierens, Exzerpierens und derInformationsverwaltung, sowie Grundlagenwissensschaftlicher Argumentation und wissenschaftlicher - Grundkenntnisse der Wissenschaftsgeschichte derMathematik- vertiefte Kenntnisse gesellschaftlicher Bezüge der Fachwissenschaft Mathematik (wirtschaftliche, politische, soziale,ethische Bezüge)- Erwerb handlungsorientierter Fähigkeiten für die Kommunikation im beruflichen Alltag bei Präsentation, Vermittlung undDokumentation von Inhalten.Inhalte:abhängig vom jeweiligen ThemaLernformen:SeminarPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form eines Referats nach Vorgabe der Prüferin oder des Prüfers.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jedes SemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:---Literatur:abhängig von den jeweiligen ThemenErklärender Kommentar:---Kategorien (Modulgruppen):ProfessionalisierungsbereichVoraussetzungen für dieses Modul:
Seite 117 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 118 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
4.3. Mathematisches Seminar
Modulbezeichnung:Mathematisches Seminar
Modulnummer:MAT-STD6-81
Institution:Mathematik Institute 6
Modulabkürzung:MathSeminar
Workload: 120 h Präsenzzeit: 28 h Semester: 1
Leistungspunkte: 4 Selbststudium: 92 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 2
Lehrveranstaltungen/Oberthemen: Master-Seminar Optimierung (B) Master-Seminar Stochastik (S) Master-Seminar Diskrete Mathematik (S) Spektraltheorie (S) Master-Seminar Numerik (S) Anwendung von partiellen Differentialgleichungen (S) Master-Seminar Funktionalanalysis (S) Seminar Ausgewählte Kapitel der Funktionentheorie (S) Master-Seminar Dynamische Systeme (S)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Erwerb von sozialen und beruflichen Kompetenzen,Schlüsselqualifikationen und Strategien zur Verhaltensänderung- Kompetenzen und Fähigkeiten in freier Rede, ausgewählten Gesprächstechniken und ausgewählten Moderations- undPräsentationstechniken- vertiefte Kenntnis von und Fähigkeit im Umgang mitInformations-/Kommunikationstechnologien- vertiefte Kenntnisse des Schreibens mathematisch-technischer Texte, Bibliographierens, Exzerpierens und derInformationsverwaltung, sowie Grundlagenwissensschaftlicher Argumentation und wissenschaftlicher - Grundkenntnisse der Wissenschaftsgeschichte derMathematik- vertiefte Kenntnisse gesellschaftlicher Bezüge der Fachwissenschaft Mathematik (wirtschaftliche, politische, soziale,ethische Bezüge)- Erwerb handlungsorientierter Fähigkeiten für die Kommunikation im beruflichen Alltag bei Präsentation, Vermittlung undDokumentation von Inhalten.Inhalte:abhängig vom jeweiligen ThemaLernformen:SeminarPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form eines Referats nach Vorgabe der Prüferin oder des Prüfers. Die genauenPrüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jedes SemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:---Literatur:abhängig von den jeweiligen ThemenErklärender Kommentar:---Kategorien (Modulgruppen):ProfessionalisierungsbereichVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master),
Seite 119 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Kommentar für Zuordnung:---
Seite 120 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
4.4. Fortgeschrittenenpraktikum
Modulbezeichnung:Fortgeschrittenenpraktikum
Modulnummer:MAT-STD6-85
Institution:Mathematik Institute 6
Modulabkürzung:FortgCompPrakt
Workload: 150 h Präsenzzeit: 84 h Semester: 2
Leistungspunkte: 5 Selbststudium: 66 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen:Fortgeschrittenenpraktikum Numerik Fortgeschrittenenpraktikum Numerik (V) Fortgeschrittenenpraktikum Numerik (Ü)Fortgeschrittenenpraktikum Optimierung Fortgeschrittenenpraktikum Optimierung (V) Fortgeschrittenenpraktikum Optimierung (Ü)Belegungslogik (wenn alternative Auswahl, etc.):Bei dem 'Fortgeschrittenenpraktikum' ist eines derangebotenen Computerpraktika auszuwählen.Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Erwerb direkt berufsbezogener inhaltlicher und prozessorientierter Kompetenzen- Vertiefte Kenntnis von und Fähigkeit im Umgang mit Informationstechnologie- Stärkung und Ausbau kommunikativer Kompetenzen bei Präsentation, Vermittlung und Dokumentation am Beispielkomplexer wissenschaftlicher InhalteInhalte:[Fortgeschrittenenpraktikum Optimierung]Verbindung fortgeschrittener Kenntnisse in Mathematischer Optimierung mit der praktischen Planung und Durchführunggroßer Optimierungsprojekte. Dazu sind Algorithmen zur Lösung komplexer mathematischer Modelle der Linearen undDiskreten Optimierung, die zum Teil in den Vorlesungen Fortgeschrittene Lineare Optimierung, Fortgeschrittene DiskreteOptimierung und aktuellen Spezialvorlesungen der Optimierung vorgestellt oder vorbereitet worden sind, selbstständigeffizient zu implementieren und auszutesten. Dabei sollen die Möglichkeiten, aber auch die Grenzen dieser Verfahren,genauer kennengelernt werden. Als roter Faden kann ein genügend breites Gebiet der Diskreten Optimierung dienen, wiez.B.- Algorithms for Schedulingproblems- Algorithms for Knapsackproblems- Algorithms for Coloring problemsFür wichtige Methoden stehen sehr effiziente, gut ausgeteste Implementierungen zur Verfügung. BeiStandardanwendungen empfiehlt es sich daher, auf entsprechende professionelle Software (z.B. CPLEX, XPRESS)zurückzugreifen.
[Fortgeschrittenenpraktikum Numerik (V)]Das Fortgeschrittenenpraktikum Numerik behandelt fortgeschrittene Methoden des wissenschaftlichen Rechnens. Es wirdein anspruchsvolles Anwendungsproblem aus dem Bereich Finanz- und Wirtschaftsmathematik behandelt, zu dessennumerischer Lösung verschiedene numerische Verfahren, die zum überwiegenden Teil in Vorlesungen wie NumerischeMethoden der Finanzmathematik, Numerische Lineare Algebra und Numerik gewöhnlicher Differenzialgleichungenvorgestellt worden sind, effizient und gegebenenfalls auch parallel zu implementieren und in der Praxis zu testen. Dabeisollen die Möglichkeiten, aber auch die Grenzen dieser Verfahren genauer kennengelernt werden. Für einigeanspruchsvolle numerische Teilaufgaben existieren sehr effiziente und vielfach getestete Implementierungen. In einemsolchen Fall sollten derartige fertige Routinen mit der eigenen Implementierung verknüpft werden und auf eine eigeneImplementation dieser Teilaufgabe verzichtet werden.Lernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Studienleistung: 1 Studienleistung in Form von Hausaufgaben und/oder eines Portfolios.
Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):jedes SemesterModulverantwortliche(r):Studiendekan Mathematik
Seite 121 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Sprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:---Erklärender Kommentar:Bei dem 'Fortgeschrittenenpraktikum' ist eines derangebotenen Computerpraktika auszuwählen.
Das Fortgeschrittenenpraktikum Numerik setzt den Besuch zumindest einer vertiefenden Numerik-Veranstaltung voraus,beispielsweise können dies die Numerik gewöhnlicher Differenzialgleichungen oder die Numerische Lineare Algebra oderdie Numerischen Methoden in der Finanzmathematik oder eine andere gleichwertige vertiefende Numerik-Veranstaltungsein.
Das Fortgeschrittenenpraktikum Optimierung setzt den Besuch zumindest einer entsprechenden, vertiefendenOptimierungsveranstaltung voraus, in der Regel sind dies die Diskrete Optimierung oder die Kontinuierliche Optimierung.Kategorien (Modulgruppen):ProfessionalisierungsbereichVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Finanz- und Wirtschaftsmathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 122 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
4.5. Schlüsselqualifikationen
Modulbezeichnung:Schlüsselqualifikationen
Modulnummer:MAT-STD3-41
Institution:Mathematik Institute 3
Modulabkürzung:
Workload: 150 h Präsenzzeit: 28 h Semester: 1
Leistungspunkte: 5 Selbststudium: 92 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 2-4
Lehrveranstaltungen/Oberthemen: Weltkulturen und Mathematik - Einführung in die Ethnomathematik (V) Vom urzeitlichen Schnitzknochen zur mechanischen Rechenmaschine - Zur Geschichte technischer Hilfsmittel derMathematik (S) Wissenschaftliche Textverarbeitung mit LaTeX (EinfKurs) Wahlsysteme I (V) Wahlsysteme II (V)Belegungslogik (wenn alternative Auswahl, etc.):Wahlveranstaltungen aus dem Gesamtprogramm überfachlicher Veranstaltungen der TU Braunschweig (Poolmodell) imGesamtumfang von bis zu 5 LeistungspunktenLehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Erwerb direkt berufsbezogener inhaltlicher und prozessorientierter Kompetenzen- Vertiefte Kenntnis von und Fähigkeit im Umgang mit Informationstechnologie- Stärkung und Ausbau kommunikativer Kompetenzen bei Präsentation, Vermittlung und Dokumentation am Beispielkomplexer wissenschaftlicher InhalteInhalte:Verschiedene in den Wahlveranstaltungen des GesamtprogrammsLernformen:Verschiedene in den Wahlveranstaltungen des GesamtprogrammsPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Studienleistung:Studienleistung je nach Vorgabe der gewählten Veranstaltung/des gewählten Moduls. Die Prüfungsmodalitäten richtensich nach der jeweiligen Prüfungsordnung des anbietenden Faches.Turnus (Beginn):jedes SemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:je nach LehrveranstaltungLiteratur:wird von den jeweiligen Lehrenden bekannt gegebenErklärender Kommentar:Veröffentlichung des Gesamtprogramms überfachlicher Qualifikationen unter:http://www.tu-braunschweig.de/studium/lehrveranstaltungen/fb-ueKategorien (Modulgruppen):ProfessionalisierungsbereichVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master), Mathematik (MPO 2012/13) (Master),Kommentar für Zuordnung:---
Seite 123 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
5. Masterarbeit5.1. Masterarbeit Mathematik
Modulbezeichnung:Masterarbeit Mathematik
Modulnummer:MAT-STD6-83
Institution:Mathematik Institute 6
Modulabkürzung:Masterarbeit
Workload: 900 h Präsenzzeit: 0 h Semester: 4
Leistungspunkte: 30 Selbststudium: 900 h Anzahl Semester: 1
Pflichtform: Pflicht SWS: 0
Lehrveranstaltungen/Oberthemen:Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Selbstständige Erarbeitung eines grundlegenden für die Mathematik relevanten Themas- Fähigkeit zu Wissenstransfer von einem Kontext zu einem anderen- Fähigkeit zu Analyse und Synthese- Erarbeitung von Lösungsansätzen- Zusammenfassung und mathematische Formulierung komplexer Probleme- wissenschaftlich-methodische Bearbeitung mathematischer Themenbereiche der Forschung- Entwicklung von akademischem Selbstvertrauen- Auswahl und Anwendung geeigneter mathematischer Prozesse zur Lösung von Problemen- klares und präzises Vortragen mathematischer Argumente und deren Schlussfolgerungen- Fähigkeiten in Zeitmanagement und Organisation- strukturierte Darstellung der eigenen Vorgehensweise und der Ergebnisse in Form einer Ausarbeitung- Kenntnisse in Literatursuche und Einordnung der Arbeit in einen fachspezifischen Kontext- Management eines eigenen Projekts, Präsentationstechniken und Verfeinerung rhetorischer Fähigkeiten.Inhalte:Erarbeitung einer ThematikLernformen:Selbständige Einarbeitung, Beratung durch LehrendePrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer schriftlichen Ausarbeitung nach Vorgabe der Prüferin oder desPrüfers. Die Masterarbeit wird im Rahmen einer wissenschaftlichen Veranstaltung präsentiert; die Präsentation wird nichtbenotet.Turnus (Beginn):jedes SemesterModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:---Literatur:---Erklärender Kommentar:---Kategorien (Modulgruppen):MasterarbeitVoraussetzungen für dieses Modul:
Studiengänge:Mathematik (MPO Version 3) (Master),Kommentar für Zuordnung:---
Seite 124 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
6. den Wahlbereich Mathematik ergänzende Module6.1. Algebraische Topologie: Fundamentalgruppe und Knoten
Modulbezeichnung:Algebraische Topologie: Fundamentalgruppe und Knoten
Modulnummer:MAT-STD5-58
Institution:Mathematik Institute 5
Modulabkürzung:AlgTop
Workload: 210 h Präsenzzeit: 56 h Semester: 1
Leistungspunkte: 7 Selbststudium: 154 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 4
Lehrveranstaltungen/Oberthemen: Algebraische Topologie: Fundamentalgruppe und Knoten (V) Algebraische Topologie: Fundamentalgruppe und Knoten (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten Mathematik, als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung komplexer algorithmischer, numerischer undstochastischer Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Grundprinzipien der Anwendung von Funktoren werden erfahrbar gemachtInhalte:[Algebraische Topologie: Fundamentalgruppen und Knoten (V/Ü)]
Inhalte:- Homotopie- Fundamentalgruppe- Berechnungsverfahren- Überlagerungen- Anwendungen: Jordanscher Kurvensatz, Gebietsinvarianzsatz, kommutative Divisionsalgebren- Knoten- Knotengruppe- Wirtinger-Präsentation- Unterscheidung einfacher Knoten an Hand ihrer GruppenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.Die genauen Prüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:TafelLiteratur:M.A. Armstrong, Basic TopologyErklärender Kommentar:---Kategorien (Modulgruppen):den Wahlbereich Mathematik ergänzende ModuleVoraussetzungen für dieses Modul:
Seite 125 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Studiengänge:Mathematik (MPO Version 3) (Master), Mathematik (MPO Version 2) (Master),Kommentar für Zuordnung:---
Seite 126 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
6.2. Hilbertraummethoden
Modulbezeichnung:Hilbertraummethoden
Modulnummer:MAT-STD6-89
Institution:Mathematik Institute 6
Modulabkürzung:HilbMeth
Workload: 300 h Präsenzzeit: 84 h Semester: 1
Leistungspunkte: 10 Selbststudium: 216 h Anzahl Semester: 1
Pflichtform: Wahl SWS: 6
Lehrveranstaltungen/Oberthemen: Hilbertraummethoden (V) Hilbertraummethoden (Ü)Belegungslogik (wenn alternative Auswahl, etc.):---Lehrende:N.N. (Dozent Mathematik)Qualifikationsziele:- Systematische Vertiefung des im Bachelorstudium erworbenen Basiswissens zur Mathematik- Systematische Ergänzung des im Bachelorstudium erworbenen Basiswissens zur Mathematik durch Kennenlernenweiterer Gebiete der Mathematik und damit Verbreiterung der eigenen mathematischen Kompetenz- Vernetzung des eigenen mathematischen Wissens durch Herstellung auch inhaltlich komplexer Bezüge zwischen denverschiedenen Bereichen der Angewandten als auch der Reinen Mathematik- Kennenlernen ganzer Theorien und damit einhergehende Beherrschung ihrer komplexen Methoden- Kennenlernen vertiefter Anwendungen der Mathematik, auch in Beispielen mit Projektcharakter- Verständnis für die Analysis in unendlich-dimensionalen Vektorräumen mit Skalarprodukt- Beherrschen des Rechnens mit abstrakten und konkreten Skalarprodukten- Kenntnis grundlegender Theoreme aus der Theorie der HilberträumeInhalte:- Skalarprodukte; Vollständigkeit; Beispiele von Hilberträumen- Orthogonalprojektionen, Basen- Darstellungssatz von Riesz- Beschränkte Operatoren- Kompakte, symmetrische Operatoren- Lemma von Lax-Milgram- Fourierreihen- Finite Elemente- Ritz-VerfahrenLernformen:Vorlesung und ÜbungPrüfungsmodalitäten / Voraussetzungen zur Vergabe von Leistungspunkten:Prüfungsleistung: 1 Prüfungsleistung in Form einer Klausur oder mündlichen Prüfung nach Vorgabe der Prüferin oder desPrüfers.Studienleistung: 1 Studienleistung in Form von Hausaufgaben nach Vorgabe der Prüferin oder des Prüfers. Die genauenPrüfungsmodalitäten gibt die Dozentin bzw. der Dozent zu Beginn der Veranstaltung bekannt.Turnus (Beginn):UnregelmäßigModulverantwortliche(r):Studiendekan MathematikSprache:DeutschMedienformen:Tafel, evtl. Folien, Beamer, vorlesungsbegleitende Internetseiten mit DownloadbereichLiteratur:- J. Weidmann, Linear Operators in Hilbert spaces- A. Kolomogoroff and S. Fomin, Elements of the Theory of Functions and Functional Analysis- P.R. Halmos, Introduction to Hilbert space and the theory of spectral multiplicity- B. Daya Reddy, Introductory Functional Analysis- G.P. Tolstow, Fourierreihen- G.H. Hardy and W.W. Rogosinski, Fourier SeriesErklärender Kommentar:Die Inhalte der Basismodule 'Analysis 1 und 2', 'Analysis 3' und 'Lineare Algebra' werden vorausgesetzt.Kategorien (Modulgruppen):den Wahlbereich Mathematik ergänzende Module
Seite 127 von 128
Technische Universität Braunschweig | Modulhandbuch: Master Mathematik (MPO Version 3)
Recommended